随着汽车行业的快速发展,汽车保有量的逐渐上升,行业内对发动机装配质量与整机性能提出了更高要求。为保证在行业内的竞争力,各发动机厂商采取了一系列技术创新手段,保质量、降成本、促生产。柴油机在总装完成后,为保证出厂的发动机质量合格,各厂商要对柴油机进行试车,传统手段是采用热试的方法,测试系统采集扭矩油耗等性能参数。近年来,冷试技术的出现让发动机厂商有了新的检测选择。冷试技术是在无燃烧的情况下采集不同转速下的数据,通过数据分析评判发动机状态的,冷试技术以其测试效率高,污染小,经济性好的优势逐渐受到发动机厂商的青睐。本文主要包括两个方面的内容,一是对数据分析评判方法进行研究,提高冷试判定的准确性;二是基于冷试数据对故障发动机进行快速故障诊断,提高生产效率。本文基于某生产线的发动机冷试数据,为制定合理的冷试参数评判标准,需要对冷试数据进行统计分析,针对冷试数据非正态、多峰值、分布状态多样的特点,建立按分布状态进行数据处理流程方法。对不符合正态分布的单峰问题,引入Box-Cox方法与Johnson方法将非正态分布转换成正态分布,通过转换-确定控制限-逆转换的方法确定控制限值。对双峰问题,构造分布函数,估计分布函数参数,采用分位数图对估计的分布函数进行检验,基于获得的估计分布函数进行控制限确定。最后通过工程计算实例验证以上方法的可行性。针对故障诊断尤其是振动噪声的故障诊断需要进行信号分析的问题,本文研究了时频分析的信号处理方法,重点研究了VMD方法的应用,讨论了VMD方法参数选择对信号分析的影响,提出利用子空间信噪比估计的方法,估计内涵模态的信噪比,区分有效模态与虚假模态,优化参数的选择,提高VMD方法处理信号的稳定性,将此方法通过仿真实验应用于降噪处理,同时与其他方法进行比对,验证该方法在处理信号上的优越性。基于冷试数据进行故障诊断分析,提出了两种柴油机冷试特征向量的建立方法。第一种方法是对振动信号进行时频处理,计算内涵模态分量的的相对能量建立特征向量。第二种方法是选择进气压力与排气压力波作为特征提取源,通过归一化处理建立特征向量。以柴油机进排气门故障为例,提取信号特征向量,基于SVM算法进行训练分类,计算多次故障识别率,验证两种方法进行故障诊断的可行性。