本课题主要研究了柴油机故障诊断的智能化方法。其间结合了东北大学设备诊断工程中心与沈阳军区65182部队合作的“柴油机诊断仪”，以及东北大学设备诊断工程中心与辽河石油勘探局总机械厂合作的“12V190B柴油机状态监测分析仪”两个实际项目。 柴油机是一个综合性的复杂系统，故障引发原因多，因此难以精确诊断。传统的各种故障诊断方法都有其局限性，仅在某些较小范围有其实用价值，却难以在柴油机整体状态故障诊断中充当重任。近年来，人工智能的研究已取得了很大进展，人工神经网络和专家系统在设备故障诊断中的应用越来越受到人们的重视，在故障诊断领域获得越来越广泛的应用。因此，使用智能诊断技术代替传统诊断方法对柴油机进行诊断已成为一种必然的发展趋势。 本文设计了一种基于专家系统的柴油机故障诊断智能系统。本系统将应用经验知识、数学模型等手段的传统柴油机故障诊断方法与应用神经网络、专家系统等人工智能技术的现代柴油机故障诊断方法相结合，对各种诊断模型进行了总结、分类、抽象。使其形成统一的柴油机故障诊断知识体系，令原本具有局限性的各种柴油机故障诊断方法在各层次间协同工作，构成了一个完整的、系统化的、可拓展的，开放式柴油机故障诊断智能系统。 其间，结合项目实际需求，研究了以12V190B为代表的12缸柴油机瞬时转速信号的预处理，设计了～种基于小波变换的瞬时转速信号降噪方法，使用实测数据对其进行了验证。根据供油提前角的定义，结合工程实际，设计了一种对其进行不解体测量的方法——喷油压力波形法，使用实测数据对其进行了验证。总结了各种有代表性神经网络(ANN)模型的特点，有针对性的将其与柴油机故障诊断中的特定问题相结合，探讨了各种网络模型在柴油机故障诊断过程中的适用范围。在此基础上，设计出了基于Elman网络的间接喷油压力信号特征提取方法以及基于PNN网络与信息融合技术的柴油机供油系统常见故障诊断模型，使用实测数据对其进行了验证。最终，完成了柴油机智能故障诊断系统的知识抽象与知识库的建立，设计了适合现阶段使用的柴油机故障诊断推理机制以及解释机制。同时，使用VC与Matlab相结合，编制了相应的软件，实现了用于柴油机故障诊断的专家系统。