柴油机是热效率较高并且在工农业、交通运输、国防领域内应用最广泛的热力发动机。柴油机一旦某一部分或者某一环节发生了故障，会直接或间接造成重大的经济损失，甚至危及生命安全。因此，对柴油机的故障诊断技术研究向来是人们潜心研究的一大难题。本文对基于经验模态分解与小波阈值降噪结合的柴油机故障诊断作了深入的研究。在深入学习和研究柴油机的原理和构造、柴油机故障类型和机理的基础后，确定振动数据采集方案并且利用实验装置采集了柴油机在不同故障条件下的振动信号。在深入理解振动信号特性基础上，对比了小波和傅里叶对波形分析的效果，对比了几种小波降噪的效果。本文研究了经验模态分解方法，并将其与小波阈值相结合同时对波形处理前后效果和参数进行了对比，也对选取不同分解层的效果进行了最优选择的研究，意在充分挖掘出原始信号中的特征信息。同时提出对相对能量法提取的特征值用可变精度粗糙集对其进行优化以实现柴油机诊断的高效性。最后，研究了BP和RBF两种网络在柴油机故障识别中的应用，从而提出一条最优方案其思路，如下：首先，利用经验模态分解和小波阈值降噪结合的相关理论对柴油机在1800rpm，测点14，正常、断油、漏油、供油提前角增大、空气滤清器堵塞五种工况的振动信号进行提取了信息丰富的IMF分量，并对其进行了阈值降噪之后提取相关特征值；其次，利用可变精度粗糙集解决了特征参数的不完备、冗余、相互矛盾，实现特征参量的优化，实现了在不丢失信息量情况下，用少量属性值，就可以有效对柴油机进行故障诊断；最后，应用具有优越性的径向基函数（RBF）神经网络进行诊断。