针对柴油机实测振动信号易受噪声污染而淹没有用信息的问题，设计一种自适应广义形态滤波器(AGMF)，通过梯度法自适应调权值，使降噪效果达到最优。提出改进的灰色关联度分析方法进行故障诊断。实验发现，经过形态滤波降噪后的振动信号，效果较好，提取时域频域的特征值作为特征向量进行故障判别，运用改进的灰色关联度分析方法能够准确的判断故障模式，从而验证所提方法的有效性。

在分析常规关联度计算方法存在问题的基础上，提出一种改进的灰色关联度对柴油机故障诊断的方法。针对柴油机故障的特征，对经过降噪后的振动信号，提取时域频域特征值相结合作为特征向量，分别通过改进的灰色关联度方法、常规灰色关联度方法以及灰色神经网络模型对待检测特征向量和标准模式向量进行关联度计算。对结果进行分析，得知改进的灰色关联度分析方法克服常规灰色关联度容易误判的缺陷，同时验证改进的灰色关联度方法大大的提高柴油机故障诊断的精度，说明该方法是一种有效可行的方法。

局域均值分解(Local Mean Decomposition, LMD)是近年出现的一种新的时频分析方法，在故障诊断领域的应用日益广泛。本文提出一种改进的局域均值分解和小波降噪结合的降噪方法，并与小波变换的信号降噪方法、基于集合经验模态分解（Ensemble empirical mode decomposition, EEMD）和小波的信号降噪方法进行对比，利用信噪比和均方根误差比较降噪效果。再通过滚动轴承内外圈故障信号的频谱分析实例，证明该方法很好地去除混杂在故障信号中的噪声，准确地判断出滚动轴承发生故障的类型及部位。

把小波包降噪与关联维数相结合用在柴油机故障诊断中，讨论了关联维数计算中相关参数的选取。首先对柴油机缸盖振动信号进行小波包降噪处理，通过自相关函数法求延迟时间，用饱和关联维数法确定最小嵌入维数，并用改进的G-P算法求关联维数。分析发现，小波包可以有效降低噪声干扰，柴油机在不同工况下具有不同的关联维数，该方法可有效应用于柴油机的故障诊断中。