作为我国陆军通信兵种主要动力设备的135系列内燃机组，一旦发生故障将严重影响我军的通信联络，造成不可估量的重大损失。因此，随着军队对发电用无人值守内燃机组可靠性要求日益提高的情况下，需要根据实际情况研制出一种集成多种参数分析的、精密实用的、能进行不解体故障诊断的系统，以解决部队在使用此类型内燃机组时所面临的困难。论文从工程应用的角度出发，在研制无人值守自动化内燃机组监控系统的基础之上，以内燃机发电机组为特定研究对象，利用信号处理、小波分析、粗糙集理论和神经网络等技术，对其进行状态监测以及故障诊断，并深入研究内燃机故障特征提取和诊断方法。论文首先对课题的来源、研究的内容、目的、实践意义进行简要的论述，分析了在内燃机故障诊断过程中所采用的几种常用诊断方法，指出目前故障诊断存在的问题以及将来的发展，并对信号的采集与处理、人工智能等技术作了简单的阐述。由于内燃机是一个多振源系统，振动信号中包含着丰富的信息，论文在对常用的故障诊断技术以及幅值域参数、功率谱分析等方法在内燃机振动信号中的应用进行研究后，提出采取的技术路线是以振动诊断法为主，其它方法如小波分析法等为辅，从而来共同实现对内燃机进行故障诊断的目的。同时对论文所涉及的神经网络、专家系统和小波分析方法的原理作了必要的叙述，给出了相应的算法。考虑到在对复杂系统进行诊断时，由于特征参数过多而造成神经网络规模过大、训练时间过长以及专家系统规则库存在规则冗余等问题，最终导致整个系统实用性能的降低，为此将粗糙集理论引入了内燃机故障诊断工作，对其在故障诊断特征参数属性优化中的运用进行了探索。论文在对所涉及的粗糙集理论以及不可分辨关系等概念进行了简要的阐述后，接着对数据缺失值如何进行预处理以及如何进行数据的离散化处理等方法进行了探讨，然后展开了对粗糙集理论中属性约简以及值约简等算法更进一步的研究，给出了常规约简算法，并在此基础上提出了基于可辨识矩阵以及决策矩阵的改进算法，结果表明算法具有更高的约简效果。论文对粗糙集理论及方法在神经网络技术中的应用进行了研究，从而将粗糙集理论与神经网络技术相结合，提出了基于粗糙集理论的神经网络识别系统，利用粗糙集理论来确定神经网络的输入节点数，降低了神经网络的结构的复杂性，给出了该算法的详细步骤。并在此基础之上，提出了分层发掘粗糙集故障诊断网络的概念，使得用户可以根据诊断的不同需要在不同的层次对系统进行诊断。<WP=4>论文在对传统专家系统进行简单介绍后，指出了传统专家系统的缺点，提出了建立智能型诊断专家系统的必要性。为此结合属性约简以及小波分解等方法，以内燃机气门间隙为诊断对象，而在对其进行故障诊断研究的过程中，发现振动信号经过小波包分解后，虽然可以直观了解故障的特征频带，但考虑到降低后续处理的复杂性，因此建立了信号的小波包分解相对能量谱，并对利用粗糙集理论及方法进行特征参数数目的属性约简展开了相应的研究，建立了气门间隙故障诊断子系统，给出了属性约简的结果，获得了较明显的效果。作者在论文的第七章对本课题中内燃机组监测及故障诊断系统的软硬件部分作了简要的介绍，如硬件系统的具体构成、软件系统的组成以及各子系统的功能等。论文的最后部分对全文的主要研究内容进行了总结，给出了主要研究结论和论文的创新点，以及作者对智能故障诊断系统的未来展望。