摘要： 柴油机作为船舶主要动力设备，在船舶行业应用极其广泛，但其工作环境恶劣，极易发生故障。为减小船舶航行时柴油机故障带来的经济损失，有必要对其进行故障诊断。通过柴油机实验台架模拟不同类型故障，并在柴油机缸盖处使用振动加速度传感器采集故障信号，选取在1 缸缸盖处采集的信号作为样本数据进行数据分析。由于采集的原始信号是多激励源合成信号，其中包含传播噪声、环境噪声，为降低噪声对识别精度影响，首先使用变分模态分解(Variational Mode Decomposition，VMD)对信号进行分解降噪，把原始一维数据分解成能反映柴油机运行状态的多维数据；接着使用自编码器(Auto-Encode，AE)对分离信号进行特征提取，以降低分解信号间的干扰，提高识别准确率；再使用自适应模糊神经网络（Adaptive Fuzzy Neural Network，ANFIS）建立故障诊断模型，并将所提取特征作为诊断模型输入；最后根据诊断模型的识别准确度评价以上方法的可行性。

关键词: 故障诊断, 柴油机, 变分模态分解, 自编码器, 自适应模糊神经网络