柴油机是一种结构复杂的动力机械设备,作为动力的主力常用于船舶、大型汽车、应急设备中,它的运行状态直接关系着整个系统稳定性。随着数字电路和计算机的快速发展,推动了柴油机设备故障预警系统的发展,柴油机故障预警系统是利用柴油机设备在运行时测取的状态信息,在通过对状态信息进行分析,从而判断机械设备的状态。本文以柴油机故障预警系统为研究对象,对基于振动信号和滑油参数的故障特征提取以及故障预警作研究。本文主要的研究内容是:先从柴油机缸盖表面的振动信号分析,研究缸盖振动特性,分析缸盖表面上受到的激励源,说明缸盖上振动信号能够表征柴油机工作状态,并分析振动信号的时域与频域特性;采用双树复小波包的自适应分块阈值降噪对信号进行降噪处理,在通过双树复小波包变换对降噪后的原始信号进行特征参数的提取,将提取的特征参数代入RBF神经网络进行训练,对柴油机的状态进行识别,验证了RBF神经网络在柴油机故障预警的应用可行性;柴油机滑油可以对柴油机内部零件进行润滑功能,减少机械摩擦,带走机械表面的磨损颗粒,通过对滑油中的铁磁颗粒浓度、含水率进行趋势分析法可以对柴油机故障预警。本文的研究成果已经应用到实际的设备上,在实际运行结果表明,本套研究系统已经初具故障预警的功能,这对柴油机故障预警具有重要的参考意义。