随着经济社会的高速发展，制造业发展迅猛，柴油机的故障诊断技术迅速发展，有效降低了设备故障发生的频率，提高了经济效率。本文在前人的研究基础下，综合课题的需要和要求，通过提取振动信号为信号源，研究了柴油机发动机故障特征，提出了分形技术和概率神经网络结合分析柴油发动机的故障特征的研究方法。本文以柴油发动机为研究对象，首先给出了机械故障诊断的意义和研究现状，以及分形理论和神经网络应用的意义。介绍了小波理论的研究意义，详细分析了小波和小波包降噪的过程，研究采用小波包降噪的方法来获取实验需要的信号，并对比验证了在信号获取特征值过程中小波包降噪效果更好。其次，介绍了分形理论测度方法，分形技术的提出使非线性信号的分析变得更加简单，重点研究了关联维数，采用经过改进的G-P关联算法，研究了延迟时间、无标度区间的选择方法。关联维数作为特征值的直观表现，能很好的反映非线性信号的特点，通过提取关联维数来判断故障特征。最后，详细分析了BP神经网络和概率神经网络（PNN）的特点，比较了BP神经网络的不足，运用了概率神经网络的故障诊断方法，对样本进行训练精确分类故障。说明了神经网络作为故障识别的一种有效手段，建立样本训练库，更便于故障的分类。为了对故障进行分类判别，运用了分形技术与概率神经网络相结合的柴油机故障诊断研究方法，通过数据分析判断，验证了方法的可行性。