柴油机是许多设备的动力源,广泛应用到船舶、发电、矿场等领域,在国民经济中占有很重要的地位。作为典型的动力机械,柴油机的运行状态和内部结构都比较复杂,保证柴油机安全运行并及时诊断其故障具有重大意义,柴油机在运行过程中可利用的信息较多,故单一的传感器很难实现故障诊断,因此采用多传感器的信息融合技术能够有效地实现故障诊断。本文主要完成了以下工作:1.论述了柴油机故障诊断的国内外研究现状,以及将信息融合技术应用到柴油机故障诊断中的必要性,对柴油机的结构和常见故障进行了研究,选取柴油机的振动信号和燃油压力信号作为监测信息。2.详细介绍了当前在故障诊断中应用较多的BP神经网络和RBF神经网络的基本结构、原理及学习算法,针对RBF神经网络的不足,采用了一种混沌搜索的改进粒子群算法,用该算法优化RBF神经网络的隐含层中心值、宽度和输出层权值的选取。利用MATLAB分别对这三种神经网络诊断方法进行仿真,得到改进粒子群优化的RBF神经网络具有较高的诊断精度,验证了算法的有效性。3.将神经网络诊断结果与D-S证据理论相结合,针对振动信号和燃油压力信号,进行决策级的融合诊断,提高诊断结果的可信度。针对证据合成的独立性前提和证据的相关性问题,提出了相关证据的合成方法,排除了相关信息重复使用对证据合成的影响。针对多传感器证据出现冲突的问题,提出了冲突证据的加权合成方法,将冲突的证据信息加以利用,排除了问题传感器给检测结果带来的干扰信息,使得融合结果更加可靠。4.利用MFC基础类库设计柴油机故障诊断系统,使用ADO技术将ACCESS数据库里的数据导入到系统中,设计了人机交互界面和具体功能。