随着当代工业水平的发展，柴油机被越来越广泛地应用于当代工业的各个重要行业当中，但是由于柴油机本身结构的复杂性，加之周边工作环境一般也比较恶劣，使得柴油机故障的发生率与复杂程度也在升高。如果这些故障不能被及时地识别与处理，将会带来不可挽回的经济损失，甚至导致安全事故的发生，所以开展柴油机故障诊断的相关研究是十分有意义的。近年来，基于振动信号的柴油机故障诊断技术在机械故障诊断领域迅速地发展起来，本文主要研究的就是基于振动信号的柴油机故障诊断方法，首先用小波包能量谱方法提取振动信号的特征值，然后提出了将核主元分析方法与粗糙集理论相结合来进行特征值的进一步优化与故障监测，实现了两者在柴油机故障诊断中的优势互补，克服了核主元分析不能在数据处理前删除多余属性与特征值的缺点，有效地减少了核主元分析的计算量，提高了运算效率，但是这一方法只能完成故障的监测，不能完成对故障的分类，本文最后提出了将支持向量机与核主元分析法相结合完成对柴油机故障的分类，并且取得了很好的效果，证明了所用方法的有效性与适用性，为柴油机的故障诊断工作提供了一些理论上的支持。具体的研究内容以及结论归纳如下：(1)熟悉了以振动信号采集为主的柴油机故障诊断实验平台，以某V12缸柴油机为研究对象，重点选取了四个测点上测取的三种转速下包括正常状态等四种工况下的振动信号，为研究工作提供了原始数据。(2)通过对比分析四层小波包能量谱特征提取方法产生的特征值以及时域特征值对柴油机故障的敏感性，发现前者更适合用于柴油机的故障诊断工作。(3)针对核主元分析不能在数据处理前删除多余属性和特征值的缺点，提出了首先可以利用粗糙集理论的约简算法对特征值进行筛选的思路方法，在具体实现的过程中，首先构建了柴油机四个测点的工况信息系统决策表，通过分析提出了将SNS离散化算法与等频率划分法相结合的离散化方法，对决策表的连续属性值进行了离散化处理，有效地避免了SNS离散化算法断点太多的缺点，然后利用本文归纳的基于Skowron差别矩阵的决策表属性约简算法对决策表进行了约简。(4)归纳了基于统计量的核主元分析故障监测算法，并利用核主元分析对四个测点的故障情况进行了监测，通过仿真证明该算法能够较好地监测柴油机有无故障发生，同时也通过对比证明了在核主元分析故障监测之前利用粗糙集减少特征值数量的有效性。(5)针对核主元分析不能识别故障类型的缺点，将核主元分析与支持向量机相结合，在尽量减少支持向量机输入数据的基础上有效地识别了柴油机的故障种类，进一步减少了运算量，实现了两种算法的优势互补。