现役我军二代非总线装备,没有充分利用军事互联网、大数据、云计算等先进技术,非总线装备状态感知、信息实时采集的自动化水平偏低,信息化、智能化也滞后于实现了精细化保障的带有总线的三代装备。因此实现二代装备状态信息的实时感知,能够为平台可信、可用具有重要的现实意义。针对上述问题,本文设计了能够采集装备车辆状态信息的远程监控系统,并以车辆发动机作为研究对象,以其状态的实时监测与故障的初步诊断作为重点研究内容,建立一套实用性和可靠性兼备的发动机气门故障诊断模型。首先,针对装备车辆状态的实时获取,本文设计了一套基于C/S模式的远程监控系统,系统包括车载终端、通信链路和远程监控平台三部分。对系统总体进行介绍,包括系统的组成、工作流程、所实现的功能和性能指标;车载终端采用ARM+4G+传感器架构,分别介绍了车载终端的软件设计与硬件设计;远程监控平台是采用C#语言编写的windows程序,分别介绍了监控平台的总体设计,用户界面的组成及无线通信模块的设计。其次,以某装备车辆的发动机作为研究对象,通过车载监控系统获取发动机气门振动信号完成故障的初步诊断。对振动信号使用多项式最小二乘法消除系统噪声造成的零线飘移,用小波阈值降噪降低外界噪声的干扰。通过分析故障振动信号的非平稳非线性特征,如本文选取小波频带能量积累、小波包-AR谱分析和经验模态分解等方法提取信号的多维特征。并引入PCA主成分分析,设置累积贡献率以获得降维后的最优特征向量。最后,针对提取到的振动信号得故障特征,分别建立PSO-BP神经网络诊断模型、RBF神经网路诊断模型、模糊神经网络诊断模型对气门正常工作、进气门故障和排气门故障三种工况进行初步诊断。根据D-S证据理论对三种模型的诊断结果进行决策级融合,从而得到最终的诊断结果。通过交叉验证法,得到的基于D-S证据理论的气门故障诊断模型的诊断正确率高达95.08%,说明此方案能够有效对故障做出初步诊断。