内燃机是一种重要的动力机械，广泛地应用于发电、机车车辆、工程机械、汽车及船舶动力等领域。因此，对内燃机的工作过程进行状态监测和故障诊断，对确保系统正常、安全运行，提高设备的维修质量和效率都是十分必要的。内燃机曲轴的角振动信号含有丰富的内燃机工作状态信息，很多学者都在研究利用此信号来诊断内燃机故障，并取得很大进展。神经网络具有高度并行性、联想泛化能力、模式提取及容错能力，因此在内燃机故障诊断领域得到了广泛应用，这极大推进了内燃机故障智能诊断技术的发展。 本文在扭振测量分析系统(TVM)的基础上，开发了便携式内燃机曲轴角振动测量与故障诊断系统(CTDS)。CTDS系统与TVM系统相比主要有两方面的改进；一是系统具有便携的功能；二是系统可进行故障诊断。 系统的便携功能是通过多机通信技术，串口通信技术及组件技术实现的，它比TVM系统功能更完善，使用更方便。系统采用了基于角振动信号的二级诊断策略，把扭振信号反算法和单谐次诊断法作为系统一级诊断的工具。作者实现了一级诊断方法的编程工作，并进行了仿真计算，证明了它们的正确性；系统的二级诊断采用神经网络法，作者编制了软件并进行了实验验证。 目前，利用角振动信号诊断内燃机工作过程故障的研究多是关于停缸故障或各缸均匀性的一级诊断，而对于产生故障的部位或原因即二级诊断内容则很少涉及。为此，本文研究如何利用神经网络诊断内燃机具体工作过程故障，属难度较大的二级诊断。文中提出针对不同故障提取不同的特征参数的思路，即多模式规则，同时也给出了从角振动位移信号中提取具体工作过程故障特征参数的两条新原则。对于BP神经网络的优化设计，本文采取了两个措施：一是从神经网络本身出发，即学习函数的选择和隐含层神经元数的确定；二是从样本集出发，即采用样本差法强化故障特征，通过降维处理削弱非故障信息，同时，降低样本空间冗余度。实验研究表明，用上述方法设计的BP神经网络具有良好的网络性能，可有效地实现故障模式的分类。 通过本文的研究，丰富了内燃机故障诊断技术，得出了一些有益的结论，为内燃机具体工作过程故障诊断，即二级诊断，提供了神经网络法。开发的便携式内燃机曲轴角振动测量与故障诊断系统，具有较好的工程应用价值。