柴油机因其结构的复杂性和故障诊断困难性，基于多传感器信息融合的故障诊断是其发展的必然。本文在总结和汲取前人研究成果的基础上，结合实际课题的研究，着重对基于信息融合理论的柴油机故障诊断技术进行深入、系统的研究。 特征提取是柴油机故障诊断的重要环节，直接关系到柴油机状态识别的成败与否。在众多的特征提取方法中，基于振动信号的柴油机特征提取方法得到广泛研究，但由于柴油机振动信号非常复杂，具有非平稳、非线性等特点，使其特征提取十分困难。因此作者首先对振动信号的特征提取方法进行了深入研究。 柴油机振动信号产生的机理是进行振动信号的特征提取前提和基础，对于故障诊断非常重要。为此，研究了柴油机表面振动信号的产生机理，指导柴油机的特征提取。分析了柴油机振动信号的循环波动性，并研究了解决循环波动性造成影响的方法。在此基础上，进行了柴油机振动信号特征提取方法的研究。主要研究了基于局域波法和小波K-L信息量柴油机振动信号特征提取方法。主要目的是对柴油机的特征信息进行量化，为基于信息融合理论的柴油机故障诊断打下基础。 单缸四冲程柴油机用来进行柴油机的故障模拟试验研究，监测柴油机在8种不同状态下的实验数据，为基于信息融合理论故障诊断技术研究提供了样本。根据试验样本，研究了基于神经网络的柴油机融合诊断技术，并对基于模糊神经网络的柴油机融合诊断技术进行深入的探讨。同时研究了基于D-S证据理论的决策层信息融合的柴油机故障诊断技术。基本融合方法的研究为进行更深入融合理论研究和框架结构设计打下了基础。 在此基础上，根据柴油机结构的复杂性、信号的波动性等因素，提出了基于组合框架结构的时空信息融合系统模型，研究了此框架结构的优越性，并且着重论述了采用此方法进行柴油机故障诊断的核心问题和解决方案。以实际分析介绍此模型在柴油机故障诊断中的应用过程，应用结果证明其有效性。 最后，以郑和舰主机故障诊断的为背景，开发研制了“郑和舰主机故障诊断智能系统”。实践证明，此系统为郑和舰主机的预知维修提供了有力的技术支持，同时为基于信息融合理论的柴油机故障诊断的实际应用迈出了第一步。