本课题依托于工程实际项目。其中柴油机供油系统故障诊断部分是为了解决东北大学设备诊断工程中心与盘锦辽河石油勘探局总机械厂合作的“Z12V190B柴油机状态监测仪”研发项目的实际需求。而磨损趋势预报部分则来源于东北大学设备诊断工程中心与沈阳军区65182部队合作的“便携式柴油机分析仪”项目。 随着当今社会工业化水平的迅猛发展，柴油机作为最常用的动力机械设备，广泛应用于各个重工业领域。由于柴油机的结构复杂，工作条件恶劣，发生故障的可能性大。因此，对柴油机进行状态监测及故障诊断成为当今工业发展的重要方向。 本文在融合了信号处理、特征提取以及故障诊断机理的基础上，应用神经网络理论对柴油机供油系统的状态进行模式识别，以及采用灰色系统理论预测方法对柴油机磨损状况进行了预报分析。 在柴油机供油系统、磨损故障特征提取方面，选取不同故障状态下有明显趋势变化的瞬时转速、喷油压力(外卡和内串)、气缸排气温度(无线传输间接测取)信号作为实验监测对象，采用基于小波分析理论以MATLAB信号处理GUI、小波工具箱为辅助工具，对外卡喷油压力信号进行降噪和滤波。为柴油机供油系统和磨损故障识别提供准确依据深入研究了供油系统状态识别特征参数的提取方法，对于特征参数的选择进行了详细的比较。在保证原始信号真实的基础上，慎重地提取样本特征使之能表征特定的故障、对不同的故障进行有效的分类。 分别在幅域、时域、频域对外卡喷油压力信号进行了描述。在幅域分别提取了有量纲参数7个和无量纲参数5个；在时域进行了自相关、互相关分析：在频域上进行了功率谱估计；在时频域上建立了小波包频段能量与柴油机故障的映射关系。以上研究均通过遵照MATLAB函数语法规则编程实现，并应用MATLAB提供的功能齐全的信号处理交互式图形用户界面(GUI)，便捷地开展了滤波和信号分析。 研究了神经网络模式识别在柴油机供油子系统故障诊断领域中的初步应用，探讨了神经网络模式识别的全过程，建立了柴油机供油系统多参数故障状态识别模式。探索出一套自动建立模式识别网络的途径，自动地从信号特征中识别出柴油机供油系统相应的故障，并在实践中验证了诊断结论的可靠性。深入研究了灰色系统理论在预测领域中的应用，阐述了原理及其适用范围，优缺点。并采用灰色系统理论对柴油机磨损状态进行趋势预报。MATLAB系统辨识工具箱为模型预测提供了有力工具。