柴油机作为国民生产生活中必不可少的大功率往复式机械,是很多重要设备的动力来源。然而由于柴油机构造复杂及使用环境恶劣导致其故障的多发性、多样性和滞后性,因此如何发现一种高效的故障诊断方法,是目前国内外学者研究的重点。BP神经网络具有信息并行处理能力强、容错性高、自学习和自适应能力优秀等优点,但它容易陷入局部最小值,收敛速度慢;和声搜索算法最大的特点是全局寻优能力突出,而且算法简单。因此本文将和声搜索算法与BP神经网络相结合,突出它们各自的优点,改善BP神经网络的缺陷,以便达到更好的故障诊断效果。本文以R6105AZLD型柴油机作为实验对象,通过总结归纳,得出柴油机常见故障类型及其设置方法,同时研究了实验测点信号的敏感度,得出实验测点设置的位置,进行柴油机实验数据采集。经过对比各小波基函数信噪比处理结果,确定了本文信号降噪使用的小波基函数,并通过对降噪信号时域频域特征以及小波包能量特征的提取分析,指出小波包能量特征值数据更适于本文。本文利用测试标准基准测试函数实验证明了BP神经网络容易陷入局部最小值,收敛速度慢的缺点,并利用BP神经网络进行柴油机故障诊断为后续实验结果对比做准备。运用和声搜索算法优化BP神经网络,并通过测试标准基准测试函数证明了该优化算法的优越性。最后利用优化算法进行柴油机故障诊断,诊断结果表明该优化算法能够提高故障诊断的准确率和效率,同时与BP神经网络诊断结果对比,再次证明了和声搜索算法优化BP神经网络的优越性。