发动机是汽车的最核心部件，其能否以最佳运行状态运转是非常重要的，所以在发动机出现故障时，能够在发动机不解体情况下判断出发动机的技术状况，会对发动机的技术检测起到巨大的意义。本文首先分析了东安462型汽油发动机气缸内部振动原理及其对气缸体表面振动信号产生的影响，针对此原理对东安462型发动机实验台架作了改进，以便能更准确地对发动机振动信号进行采集。其次选用丹麦B&K公司生产的PULSE振动测试分析仪，采集同一转速下不同缸壁间隙的发动机气缸体表面振动信号，为了排除发动机表面振动信号中是否有燃烧激励源的影响，实验中增设了发动机倒拖实验，即利用电动机带动发动机在同一转速下运转，并用同样的方法对同一部位的振动信号进行采集，最终证明该发动机表面振动信号是活塞在压缩行程上止点转换过程中对缸壁冲击能量的大小。然后将采集到的不同缸壁间隙下的气缸体振动信号作了时域、频域以及功率谱的对比分析。最后利用区间小波包提取振动信号特征向量并分成两部分，一部分特征向量输入到不同神经网络中训练并建立分类器，另一部分特征向量输入到建立好的分类器中进行测试，从而提出了一种适于识别发动机缸壁间隙的Elman神经网络模型，并得到如下结论：利用该实验方案，能有效的排除燃烧激励对发动机气缸表面振动信号的影响，从而使用于分析的特征信号主要为活塞横向冲击引起的激励，并验证了发动机的振动信号是一种宽频带、不平稳的信号。利用区间小波包技术与BP神经网络和Elman神经网络相结合的方法对发动机缸壁间隙进行诊断识别，最终确定基于Elman神经网络对缸壁间隙的诊断识别更加理想。