随着现代化工业的不断发展,柴油机作为动力设备已被广泛应用到社会生产的各个行业,如矿山机械、交通运输等领域,在工作系统中的地位日益重要。然而由于柴油机设备结构的复杂性,零部件繁多并互相影响,加之工作环境较差且运行工况繁杂等情况,其故障发生率较高,且故障一旦发生,所造成的影响将是难以估量的。由此,为避免不必要的损失,保证系统正常运行,应对柴油机实施状态监测与故障诊断以便能够及时针对异常情况采取有效措施。通过阐明与思索柴油机故障诊断不同方法之间的利弊点和鉴于当前的实验条件,本文选择利用振动信号分析法对R6105AZLD型柴油机进行故障诊断研究,而归纳整个研究过程可主要集中于三部分:信号采集实验、信号处理、故障识别,各部分的具体工作如下:(1)信号采集实验根据柴油机结构布置和工作原理,探究测点的合理安插位置以便能够获得包含柴油机丰富工作信息的振动信号数据;分析柴油机主要故障形式和发生率,有针对性的设置柴油机故障,以增加研究的可用性;充分满足设备信号采集时对采样频率的要求,以保证在信号信息完整的前提下,减小运算的复杂度。(2)信号处理柴油机振动信号不仅具有非平稳性,而且由于输入输出路径复杂、振动激励源较多,以致采集到的信号信息比较混杂。为能选择更为适用的测点信号数据,同时有效提纯工况信息并最大限度地减小失真度,本文在小波阈值去噪基础上,以信噪比、均方根误差和平滑度三者为评价指标来选择最优测点以及更加适宜的去噪规则;而后,为进一步明确不同工况的柴油机振动信号特征信息,本文选择小波包特征值提取法,同时为减小最终分类识别时的工作量,对特征值只取用相对能量较大的部分作为诊断样本数据。(3)故障识别针对支持向量机能够有效解决故障识别中小样本分类问题而关键参数的选择会直接影响到最终分类性能的好坏和基本人工蜂群算法可控参数少、原理易懂且易于实现但极易陷入局部最优解、后期收敛速度慢等因素,本文最终选择利用改进搜索方式的人工蜂群算法对支持向量机参数优化来进行故障识别的研究手段,并通过与未优化支持向量机和基本人工蜂群算法优化的支持向量机进行分类正确率比较,进一步说明该改进方法更具实用性。