它不同于故障识别。故障识别只能识别出已经发生的不同类型的故障，而健康状况可以对某些部件的使用情况进行定量的分析，通过研究其生命周期来了解该部件目前的健康状况以及未来的使用时间。本文将以柴油机连杆铜套磨损为例，对提出的基于神经网络和小波分析的健康状况定量识别方法进行研究。1 实验研究本文主要是对连杆铜套磨损程度进行定量的识别，所以以磨损达到不同程度为例进行实验研究，并获取缸盖的振动信号。通过手工磨损铜套的方式设置了正常工况、铜套轻微磨损和铜套严重磨损工况，这三种工况获取的振动信号用于训练神经网络模型。为了了解健康状况识别的有效性，实验还设定了一种铜套磨损程度介于轻微磨损和严重磨损之间的待定工况，并将此工况下获取的振动信号作为测试样本，来验证本文所建模型的准确性和可行性。分别测取各工况下的第一缸缸盖振动信号，然后利用小波降噪方法进行降噪处理，再利用基于区间的小波包提取降噪后振动信号的特征向量值。并取27组作为神经网络模型的训练样本。