柴油机作为结构复杂、零件众多的往复式动力机械，其故障会影响设备的运行状况。近年来，国内外对柴油机的在线监测和故障诊断技术发展迅速，并取得了一定的研究成果。但柴油机的故障诊断仍处于方法研究阶段，能否及时准确的对柴油机进行故障诊断，有效预防和避免故障是近年来研究的热点课题。论文在学习和总结现有方法及技术的基础上，采用融合技术对柴油机的典型故障进行诊断研究。在柴油机故障诊断过程中，故障特征提取是决定诊断成败的重要环节。论文通过对振动信号的时域分析、频域分析以及时频分析开展了相关的故障特征提取研究工作。在此基础上，论文提出了一种基于集合经验模态分解和奇异值分解的故障特征提取方法，并验证了该方法在柴油机振动信号故障提取过程中的优势，并采用支持向量机进行了柴油机典型故障的模式识别。研究结果表明，支持向量机在训练样本数量及精度方面具有良好的诊断效果，有利于在柴油机典型故障诊断实际应用中得到广泛应用。结合不同方法在故障特征提取与故障模式识别上的各自优势，论文提出了集合经验模式分解、矩阵奇异值分解与RBF核函数支持向量机方法的融合故障诊断技术，其分析流程主要描述为：首先，通过实验方案获得柴油机供油提前角增大、气门间隙减小、共轨压力减小与喷油量减小这4种典型故障下的振动信号，并结合正常工况下的振动信号进行对比分析；其次，通过时域、频域与时频分析技术分析柴油机缸盖振动信号，提取柴油机振动信号特征；最后，采用论文提出的融合故障诊断技术，依次对柴油机振动信号进行故障特征提取，归一化处理及故障模式识别。研究结果表明，该融合技术能够有效的将柴油机4种典型故障识别出来，诊断精度接近于100％，从而验证了该融合技术在柴油机诊断应用中的可行性和工程应用价值。