内燃机是我国广泛使用的动力机械之一，其工作状态的正常与否直接关系到整个系统的安全性和可靠性。内燃机的故障多由燃气系统工作不正常引起，因此，对内燃机的燃气系统进行快速无拆卸故障诊断在生产实际中具有重要意义。采用NI公司LabVIEW虚拟仪器开发平台，开发了内燃机缸盖与气门振动信号采集的软硬件系统、编写了数字信号基于经验模式分解(Empirical Mode Decomposition，简称EMD)法分解及计算各分量关联维数(Correlation Dimension)的LabVIEW程序，并用MATLAB平台建立了内燃机气门间隙故障诊断的人工神经网络(Artificial Neural Network)模型。组建了一套完整的基于EMD、关联维数与神经网络技术相结合的内燃机燃气系统故障诊断的虚拟仪器系统，并用浙江新柴动力有限公司的490BPG型发动机分别进行了内燃机失火、漏气及气门间隙状态(气门间隙偏小、正常、偏大、很大)的无拆卸故障诊断的试验研究，主要结论如下：1)基于EMD、关联维数及神经网络理论，采用LabVIEW虚拟仪器开发平台研制了一套内燃机燃气系统无拆卸故障诊断的虚拟仪器，该系统采用模块化结构，具有快速可重组的优点，由压电式加速度传感器、光电传感器、电荷放大器、PCI-6133同步数据采集卡、PC机以及采用LabVIEW开发的测试软件构成，测试软件包括数据采集模块、故障特征值定义模块以及故障类型识别模块三大部分。2)进行了内燃机失火和漏气的无拆卸故障诊断的试验研究，对缸盖振动信号进行了试验分析，结果表明：①内燃机缸盖振动信号具有分形特征，可以用关联维数作为表征故障的特征参量，且不同工况时缸盖振动信号的关联维数区分明显，相同转速下正常工况时的关联维数最高，漏气故障时的关联维数次之，而失火故障时的关联维数最低。②随着内燃机转速的增加，各工况的关联维数均有上升的趋势，这说明高速时内燃机的工作状况更复杂，缸盖振动信号的激励源更丰富。③在生产实际中，只需建立相同型号内燃机在典型工况(如怠速无负荷)时缸盖振动信号关联维数的数据库，即可快速地判断内燃机失火与漏气故障。3)进行了内燃机气门间隙状态的无拆卸故障诊断的试验研究，对气门振动信号进行了试验分析，结果表明：①内燃机气门振动信号同样具有分形特征，但是各工况下气门振动信号的关联维数区分不显著，难以直接从气门振动信号的关联维数趋势图上识别内燃机的气门间隙状态。②针对上述情况，采用EMD分解法对内燃机气门振动信号进行自适应分解，对分解后得到的前4个固有模态函数IMF(Intrinsic Mode Function)分别计算其关联维数，将IMF1～IMF4的关联维数作为神经网络的输入向量，用4种工况(气门间隙偏小、正常、偏大、很大)的80组样本训练了内燃机气门故障诊断系统的网络模型。试验结果表明：20组测试样本的测试结果均与实际状况相一致，诊断准确率为100％。4)试验结果表明该系统能对有效地对内燃机失火和漏气故障、气门间隙(间隙偏小、正常、偏大、很大)故障进行连续、在线监测与无拆卸故障诊断。