随着科学技术的发展,汽车发动机结构越来越复杂,但其故障诊断技术却远远落后于汽车技术的发展,尤其军用车辆柴油发动机机械故障诊断离实用要求有更大的距离,为了提高军用车辆保障能力,目前急需研究一套高效、准确的汽车发动机诊断系统。本论文以东风EQ2102汽车6BT5.9型柴油发动机为研究对象,简单介绍了柴油发动机机械故障机理,分析了柴油发动机故障诊断的研究现状及发展趋势;针对柴油发动机机械故障,采用振动诊断法,设计了发动机机体加速振动信号的测量方案,采用小波分形、小波包AR谱、双谱等技术对发动机振动信号进行处理,提取出典型故障的特征参数,并利用粗糙集理论进行了数据挖掘,提取关键诊断参数,剔除干扰信号;最后用蚁群算法优化神经网络,设计出了军用车辆发动机故障诊断系统。通过分析和研究,得出如下结论:柴油发动机机体表面的振动信号隐含着大量的故障信息,可以通过对其分析实现对发动机故障诊断;小波变换对原始信号分解后,对特定层重构成时域信号,计算分形维数,能够敏感地反映故障部位的特征;加速状态下的振动信号经小波包AR谱处理后,分段计算频段累加能量,可发现特定频段能量值与对应技术状态成比例关系,可作为特征参数;对各状态下的振动信号进行双谱分析,能够明显找出故障特征;粗糙集理论在挖掘隐藏在数据中有用的信息时,不需要任何附加的信息,而且在属性值离散化时,采用等频率与等间隔相结合的方法,可以保持数据中的自然分类特性;针对BP算法在训练神经网络时遇到的一些缺陷,提出并研制了基于蚁群算算法的神经网络发动机故障诊断系统,在试用中取得了良好的效果。