为提高柴油机动力装置的安全性和可靠性,满足现代预防维修制度自动化系统的要求,对柴油机进行状态检测和故障诊断具有十分重要的意义。柴油机是一种典型的往复式动力机械,结构复杂决定了对其进行状态监测与故障诊断的困难性。本文在此背景下,确立了基于振动信号的柴油机故障诊断方法。小波包分析是在多分辨分析的基础上提出的一种能够将频率分辨到任何细节的信号处理方法,它不仅能对低频信号进一步进行分解,而且对高频信号也一样,因此在故障诊断方面得到了广泛的应用。人工神经网络是一种大规模的分布式并行处理系统,具有自组织、自学习、自适应和非线性动态处理等特性。对于解决复杂的非线性问题具有广阔的前景。本文在对国内外研究现状进行分析的基础上,给出了一种基于振动信号的柴油机小波神经网络故障诊断方法,并进行了试验验证分析。首先对采集到的柴油机表面振动信号进行时域分析和频域分析,提取时域特征参量;其次应用改进的小波包阈值降噪方法,对采集到的信号进行降噪处理,通过实验验证本文提出的方法优于传统的阈值降噪法;应用小波包分析提取特征向量,将提取的样本集应用BP神经网络进行训练和测试,达到预期效果。通过实验对本文提出的方法进行验证,结果表明,使用小波分析和神经网络的结合能够对柴油机进行正确的故障诊断,并且和基于时域特征参数的神经网络故障诊断方法对比,本文提出的方法简单易行,具有广阔的应用前景。