内燃机结构健康监测与不解体故障识别技术是确保内燃机及以其为动力源的大型机械装备安全稳定运行的关键保障之一。内燃机表面振动信号中包含了丰富的状态信息,因此,基于振动分析技术的内燃机结构健康监测引起了国内外学者的广泛关注,并取得了一定的研究成果,但仍然面临一系列挑战,诸如传统电类振动传感器受内燃机结构和工作环境影响,所获取的信号表现为非平稳、非线性特性,难以直接作为内燃机故障识别的依据;内燃机复合故障识别方法尚处于初步探索阶段,远未成熟等。针对以上问题,本课题以内燃机典型故障为研究对象,通过FBG加速度传感器设计、解调系统构建、信号处理、特征提取、故障识别方法等研究,建立高可靠性的内燃机典型故障识别模型,实现内燃机典型故障准确识别。具体研究内容阐述如下:(1)针对现有FBG加速度传感器灵敏度较低、平坦响应区窄和抗交叉干扰能力差的问题,在理论分析其传感机理的基础上,提出了基于柔性铰链结构的高灵敏度FBG加速度传感模型,利用ANSYS软件仿真分析了其响应特性,优化传感器结构,研制了基于柔性铰链结构的传感器,进而利用可调谐F-P滤波器,构建了基于边缘滤波原理的高频解调系统。(2)提出了一种基于多分类支持向量机的内燃机气门故障识别方法。在分析气门状态监测FBG传感器优化布置的基础上,构建了内燃机气门运行状态监测系统,实现了气门故障信号的准确检测。利用小波分解与重构算法和振荡能量提取气门故障信号特征,建立了信号特征与气门故障之间的关系模型,利用具有良好分类精度的支持向量机算法,在少量模型训练样本条件下,实现了内燃机气门故障的高准确率识别。(3)提出了一种基于变分模态分解算法和多分类支持向量机的内燃机喷油提前角故障识别方法。利用变分模态分解算法和振荡能量提取喷油提前角故障信号特征,建立了信号特征与喷油提前角故障之间的关系模型,利用具有良好分类精度的支持向量机算法,在少量模型训练样本条件下,实现了内燃机喷油提前角的高准确率故障识别。(4)提出了一种基于扩散映射算法和多分类支持向量机的内燃机复合故障识别方法。利用小波分解与重构和VMD算法提取内燃机复合故障信号特征,提出了基于扩散映射算法的特征向量降维方法,对特征向量进行降维,去除冗余信息,建立了信号特征与复合故障之间的关系模型,利用具有良好分类精度的支持向量机算法,在少量模型训练样本条件下,实现了内燃机气门和喷油提前角复合故障的高准确率识别。