随着我国GDP的不断增长和汽车工业的快速发展,汽车的社会保有量日益增多。发动机作为汽车的主要组成部分,其技术状况直接影响汽车的使用性能。同时,随着汽车市场多元化的发展,旧机动车的交易量也不断增大。因此,发动机技术状况的检测将成为重要的研究课题。　　本文主要以DA462型发动机作为研究对象,对发动机气缸体表面振动信号产生的机理进行了细致的分析,并对发动机振动测试系统的试验台架进行了完善。通过理论分析选用了丹麦B&K公司生产的PULSE振动测试分析仪,采集同一转速和不同缸壁间隙下的发动机气缸体表面振动信号,该振动信号反映了活塞在做功行程上止点换向过程中对缸壁冲击能量的大小。同时,为了排除燃烧激励对所采集振动信号的影响,进行了发动机的倒拖实验,即在发动机不工作的情况下,利用电动机带动发动机在同一转速下运转,并用同样的方法对同一部位的振动信号进行采集,然后将采集到的振动信号进行时域和功率谱的对比分析与计算。最后,利用小波包变换提取缸壁表面振动信号的能量特征值,对提取出来的特征值进行Elman人工神经网络的训练,其中将采集的40组数据作为训练样本,剩余的20组数据作为测试样本从而识别出发动机的缸壁间隙。文中得到以下结论:　　利用气缸体振动信号对DA462型发动机缸壁间隙进行识别是合理的,同时也证明了发动机气缸体表面的振动信号主要受到活塞横向冲击力的影响。　　基于小波包和Elman人工神经网络训练相结合的方法,对发动机缸壁间隙的进行判断识别,通过实验的正确率验证了方法的可行性。