2006年，举世瞩目的青藏铁路通车，青藏线格拉段位于青藏高原腹地，常年高寒缺氧，而格拉段青藏线并没有进行电气化改造，青藏列车全车供电需要靠发电车供给，所以发电车发电柴油机的稳定运行对全车的安全性与可靠性十分重要。　　 柴油机是一种典型的往复式动力设备。鉴于青藏列车运行环境的特殊性，普通列车使用的25型发电柴油车已经难以满足要求。根据考虑，采用改进的25T型柴油车和康明斯公司的QSK45-G6型柴油机，并且同时还有许多青藏列车发电机特有的组成部分。复杂的结构决定了其进行故障诊断的困难。鉴于此，本文采用基于神经网络对其振动信号进行故障诊断。　　 结合国内外的研究现状，本文给出一种基于振动信号的小波神经网络诊断方法，然后对其进行实验验证。首先提取的QSK45-G6不同转速下的表面振动信号，在时域和频域内进行分析，提取其频域特征参数;然后利用小波包分析方法提取其特征参数，最后将提取到的特征参数输入到设计的神经网络进行训练和测试，验证所提出理论的正确性。　　 通过实验结果表明，使用小波分析和改进BP神经网络可以有效地对QSK45-G6柴油机进行故障诊断，对比时域特征参数的神经网络诊断方法有明显的优势。　　 由此可知本文提出的方法对于青藏车发电柴油机的故障诊断有很好的应用前景。