本论文考虑到发动机结构复杂、振源较多，振动信号为非平稳信号这一特点，利用混沌与分形理论等信号处理方法，深入研究了发动机的非线性动力特性，有效快捷地提取了蕴含在振动信号内的状态特征信息，并利用模糊聚类与识别方法对发动机的状态识别进行了探索性研究，同时提出了基于混沌理论及混沌与神经网络相结合的预测模型，主要工作总结如下：1.探讨了影响关联维数的时间延迟及嵌入相空间维数的确定方法，给出了本文所采用的自相关函数法及饱和关联维数法。同时对车用发动机的多组振动信号进行相空间重构，计算出相应的李氏指数，进而得出可用混沌处理方法来研究这些振动序列的结论。 2.对发动机振动信号运用奇异值降噪技术，取得了良好的效果。 3.探讨了关联维数与运行状态之间的内在联系，同时结合燃料敲缸系数、机械敲缸系数进一步判断发动机的运行状态，及时发现运行状态中的异常变化。 4.针对发动机振动信号的特点，将小波分形技术用于发动机振动信号的分析处理，同时结合该信号的频谱图形，来实现发动机的状态监测及诊断。 5.首次确定关联维数、平均值、峰峰值、燃料敲缸系数及机械敲缸系数为状态变量，并在此基础上，利用模糊C-均值的聚类方法对发动机的运行状态进行识别，为发动机的故障监测和及时维修提供可靠依据。 6.首次分析了发动机系统相图在不同运行状态下的演化规律，从而对发动机运行状态的混沌识别作了探讨性研究。 7.首次利用混沌理论及混沌与神经网络相结合的预测方法对车用发动机振动序列进行预测，预测效果理想。考虑到状态变量间的相互影响，提出了多变量预测模型。实验结果表明，多变量预测结果更能反映发动机的运行状态。