摘要：柴油機(jī)工作過(guò)程中的各種參數(shù)含有大量的信息,通過(guò)數(shù)據(jù)挖掘?qū)⑦@些參數(shù)的內(nèi)在信息挖掘出來(lái),解決以往在柴油機(jī)故障診斷上出現(xiàn)的診斷不準(zhǔn)確和耗時(shí)長(zhǎng)等問(wèn)題。采用K均值聚類分析（k-means）將數(shù)據(jù)聚類,并設(shè)計(jì)BP（Back Propagation）神經(jīng)網(wǎng)絡(luò),對(duì)柴油機(jī)的運(yùn)行狀態(tài)進(jìn)行診斷。在此基礎(chǔ)上,利用PCA（Principal Component Analysis）對(duì)上述算法進(jìn)行優(yōu)化,用PCA對(duì)原始數(shù)據(jù)簡(jiǎn)化,再進(jìn)行k-means聚類,最后將聚類后的數(shù)據(jù)特征量作為BP神經(jīng)網(wǎng)絡(luò)的輸入,建立柴油機(jī)的故障診斷模型。通過(guò)對(duì)兩種診斷算法的結(jié)果進(jìn)行分析和比較,表明優(yōu)化后的算法能夠更有效地提取數(shù)據(jù)特征,提高了診斷準(zhǔn)確度,同時(shí)也減少了診斷時(shí)間。