热红外成像技术始于上世纪50年代，由于其隐蔽性能好、安全指数高、不受电磁干扰等优点，近几年来该技术得到迅猛的发展，已经成为一门新型技术科学。以往的红外技术首先在军事领域得到应用，而现在随着热红外技术的发展日趋成熟，已成为当今各相关行业研究的热点，得到了十分广泛的应用，是当今世界高科技研究领域之一。柴油机是一种常见的发电机，是用途非常广泛的动力机械。其耐久性和可靠性在运行过程中显得尤为重要，随着发动机内部强化程度的提高，结构也变得极为复杂，在十分恶劣的工作条件下，故障发生的可能性也会大大增加。为确保发动机的正常运行，提高其安全、可靠性，必须加强发动机运行过程中的管理，加强对发动机故障的早期预防和诊断。就如何诊断出动力设备中的故障隐患，并针对传统测试诊断方法中的接触测试的不足的问题，本文叙述了一种非接触式的测试方法，即在热红外成像技术基础上的故障诊断。热红外技术对诊断电力系统中的故障隐患具有图像直观、不受电磁干扰、不接触探测、安全可靠、判断准确、效率高和检测速度快等特点。特别针对那些悬空的、处在高速运动中的和带电的设备更具有突出的优点。利用柴油机高速运转过程中向外界热辐射的特点，通过红外探测器摄取其温度场的红外图像，测定柴油机表面的温度分布场及其变化情况，能发现发动机可能存在的热状态异常现象并找出潜在的故障点，实现预防和诊断。热红外图像的预处理和特征提取。在红外图像的分析中，进行图像的预处理是十分重要的一个环节，主要目的是消除图像中混入的各种噪声信号，突出真实的信息，增强有关信息的可检测性和最大限度地简化数据，为下一环节的研究提供便捷。采用中值滤波、平滑滤波、锐化滤波等算法去除图像中的的噪声信息，并用增强算法对图像进行有效的增强。利用边缘检测方法中，Roberts算子、Sober算子和正交算子或阈值分割法，对红外图像进行图像分割。在特征提取这一步研究，是图像识别的一个关键问题，对于神经网络的分类来说，核心就是利用图像的特征进行训练识别，提取的特征是诊断识别的关键。本文从图像矩、目标图像的信息熵、系数变换特征、边缘提取等角度分别讨论了红外目标图像特征提取的方法，已达到目标识别的目的。BP神经网络。是采用误差反算法作为其学习规则进行有监督学习的前馈网络，实现了多层网络学习。当给定网络一个输入，由输入层送到隐层，经过隐层单元处理，再送到输出层，输出层单元处理后产生一个输出模式，若输出响应与期望输出模式有差距，就将误差沿着连接通路后向传播，并同时修正各层连接的权值。可将红外图像提取的特征输入BP网络进行训练。最后可通过输出判定输入的特征，最终实现目标故障的识别诊断。