涡轮增压器是内燃机车的重要部件，保证涡轮增压器长期、稳定、安全、高效、优质的运行，具有非常重要的经济意义与社会意义。因此需要对涡轮增压器进行状态监测、趋势预测和早期的故障诊断，以便实现对涡轮增压器的预知维护。本文的研究内容和研究成果如下：　　 1）根据涡轮增压器的工作原理，深入分析了涡轮增压器的常见故障、故障模式和故障机理。　　 2）根据旋转机械振动诊断的基本原理和振动信号的分析方法，提供了基于振动信号级值能量分析的方法对涡轮增压器进行状态识别，设定了涡轮增压器运行状态的趋势预示安全参数；确定了涡轮增压器振动门限值。实践论证表明这种方法提高了涡轮增压器状态识别的准确性，能够满足现代预知维修制度的要求。　　 3）在涡轮增压器非线性状态识别和趋势预测方法中提出了BP神经网络预测方法，建立了针对涡轮增压器状态识别和趋势预测的神经网络预测模型，通过工业现场的实际数据的采集与分析表明这种方法提高了涡轮增压器状态识别和故障诊断的准确率。　　 4）设计和构建了涡轮增压器状态识别和趋势预测的实验系统，选择性能良好的硬件系统，采用柔性和开放型的软件平台，预期可以实现实验室中涡轮增压器的振动数据采集和状态识别。