柴油机是最常见的往复式动力机械设备，是汽车、船舶、机车和飞机等设备的动力源，由于柴油机的结构复杂及工况的恶劣造成了其故障的多发性和多样性，能及时发现和快速、有效诊断并排除故障是国内外学者研究的主要内容。本文提出了基于形态滤波和灰色理论的柴油机故障诊断方法。首先对形态滤波技术中结构元素的使用进行了归纳和总结，并且设计了一种自适应广义形态滤波器并应用于柴油机振动信号的降噪中，通过梯度法来自适应调整权值让降噪效果达到最优。本文从时域图和功率谱图分别对6种工况下的气缸燃爆冲击特征进行了研究，说明了柴油机工作时振动的固有特性，实现了对单缸断油和双缸断油故障的初步诊断。对经过形态滤波降噪后的振动信号，根据需要提取时域频域特征值和小波包能量值作为特征向量，分别通过邓氏关联度和改进的关联度分析对待检测特征向量和标准模式向量进行了关联度计算。研究结果表明，改进的关联度分析提高了故障诊断的精度。本文将灰色系统理论和神经网络模型相融合，并以MATLAB软件中的神经网络工具箱为基础自定义设计了一种灰色神经网络模型，实现了二者的优劣互补。本文中设计的灰色神经网络模型不需要进行网络训练，从而避免了在网络训练中存在训练时间长、网络的收敛性等问题，它的核心思想是利用神经网络的并行处理运算能力来实现灰色关联度的计算。基于灰色神经网络的故障诊断模型，具有计算简单、并行处理能力强，诊断准确率高等优点。经过实践验证，灰色神经网络模型可以实现预期的故障诊断功能。