柴油机是当下最普遍使用的动力机械之一,被广泛应用于铁路牵引、油井钻探、船舶、汽车等机械领域。由于柴油机结构复杂,柴油机故障往往表现出繁杂性和多样性的特点。燃油系统对于柴油机的运行至关重要,在很大程度上决定了柴油机的经济性和可靠性,然而燃油系统故障率较高,在柴油机的故障当中大约有27%是由燃油系统故障引发的。因此,快速高效的对燃油系统进行故障诊断具有重要的意义。本文结合小波技术和神经网络技术,开发了柴油机燃油系统故障诊断系统。具体工作如下:通过查阅文献和整理厂方燃油系统故障数据,总结归纳了燃油系统常见故障发生的原因及排除故障的方法,作为健康管理模块的技术库。使用外夹式压力传感器间接获取柴油机高压油管的油压波形,为后续的诊断系统提供数据支持。研究小波分析的基础理论和方法,借助小波阈值去噪技术去除油压波形的机械噪声。同时结合油压波形的特点,通过大量实验对比了两种信号特征提取方案:（1）利用小波包频带分析技术把油压信号分解到不同的频带,并对油压信号各个频带的信号能量进行统计分析,以此区分燃油系统不同的故障。（2）油压波形中含有丰富的状态信息,提取燃油压力波形中的波形宽度、波形幅度、最大压力、起喷压力等数据作为特征参数,实验表明,此方法操作简单,提取的故障特征信息丰富,更适宜于作为神经网络的输入向量。研发了基于神经网络的燃油系统故障诊断方法,并利用实验对比不同神经网络模型的优缺点和诊断精度。通过SOM神经网络对故障数据进行无监督学习,可以有效对不同故障进行模式识别且诊断速度快。实验对比SOM和BP神经网络模型,结果表明BP神经网络满足精度要求,但容易陷入局部最优。开发SOM-BP串联神经网络模型用于燃油系统故障诊断,实验表明SOM-BP串联神经网络模型弥补了单一神经网络的缺点,且诊断精度大幅提高。开发燃油系统故障诊断系统。将燃油系统常见故障原因及解决方法、小波去噪技术、SOM-BP串联神经网络模型应用到故障诊断系统中,使用MATLAB软件中的GUI模块完成系统的开发。柴油机故障诊断系统可以实现数据的导入、小波阈值去噪、故障诊断的功能,并建立健康管理模块可随时查看故障原因及解决方案。