柴油机气阀与阀座恶劣的工作条件、气阀开关时与阀座发生撞击产生的摩擦磨损等导致气阀间隙发生变化,从而影响换气效率,致使柴油机功率降低,影响柴油机的使用寿命及运行过程中的可靠性。因此,对柴油机的气阀间隙进行异常变化的早期识别、排除隐患是很有必要的。本文以WD615中型船用柴油机气阀座附近缸盖振动响应信号为研究对象,采用二次图像分析、模式识别等分析手段,深入研究了柴油机气阀振动信号的特征提取和状态变化识别方法。柴油机运行过程中发生振动的激励源很多,其频率范围宽广,各种激励源经相应的传递及耦合,使得表面振动信号所含成分十分复杂,包含了丰富的状态信息。准确、有效提取振动特征参数可以在不影响柴油机正常工作的前提下实现对柴油机工作状况的监测。本文将局域波和独立分量分析方法应用于实测柴油机表面振动响应中气阀落座冲击响应的分离,以获取单一的激励源响应,结合柴油机气阀间隙异常机理分析,揭示气阀间隙变化与气阀落座冲击振动响应的内在联系。运用连续小波变换获得WD615柴油机缸盖振动信号的时频谱图,再使用二次图像分割技术提取振动特征体,并计算相应特征参数,实现基于特征参数对柴油机气阀变动情况进行表征。试验表明:柴油机气阀间隙发生变动,特征参数呈现出明显的差异性和规律性,可以对气阀间隙异常振动响应信号所反应的信息进行表征,为基于特征参数对气阀状态进行准确、有效识别奠定基础。振动信号是一种典型的非平稳时变信号,其振动响应特征参数与故障之间的直接联系较难确定。本文基于概率推理、模糊推理等建立在概率密度函数基础之上的不确定性理论进行处理。首先对特征数据按照信息熵最小化的原则进行多区间离散化处理,而后针对特征值之间联系的不确定关系,将特征值之间相互联系映射到超1-依赖方法同传统朴素贝叶斯方法独立性假设在分类中的差异性这一问题上,通过差异性对超1-依赖分类器进行加权,提出了一种改进的分类算法,提升了基于振动响应特征参数识别气阀间隙状态的精度。