本课题是在前人柴油发动机故障诊断系统研究的基础上,进一步研究柴油机综合磨损系数估算的方法。以东北大学设备诊断工程中心与沈阳军区65182部队合作的实际项目作为研究背景。本文主要针对柴油机综合磨损系数对柴油机磨损失效的影响进行分析探讨,并对柴油机综合磨损状况进行预测,以保证无论是直接或间接影响柴油机磨损的不利因素能及时被发现。将平均转速、机油压力、机油温度的影响作为自变量,磨损系数为非线性函数,采用人工神经网络的方法建立综合磨损系数与三个参量之间的关系。给出柴油机磨损估算的新方法,这种方法所提供的磨损系数是切合实际的,利用此磨损系数计算的储备里程数的预测分析将为柴油机的良好运行提供条件。为了能完成神经网络的训练工作,需要大量的数据样本。由于条件所限,难于通过实测来得到所有数据。所以就要根据局部工况的部分数据去推导所有工况的全部数据。本文深入研究了局部数据的内在联系,合理的提出假设,成功的将数据拓展到多维空间。由于本课题数据量大,分类模式多,应用单一网络势必造成网络的结构过于庞大,网络的训练时间过长,甚至无法训练。针对此情况,从单个神经网络开始,从信息融合的角度建立了集成神经网络。探讨集成神经网络的实现策略和组建原则并给出了综合磨损系数估算的实例,证明该神经网络建模方法的可行性和估算结果的准确性。