林新通，詹玉龙，周薛毅，赵海洲

(上海海事大学 商船学院，上海 201306)

0 引言

据统计，废气涡轮增压系统运行中发生故障的概率排在船舶柴油机系统故障的首位.［1］因此，对增压器故障的预测和诊断一直是设备诊断技术中重要的研究课题.运用支持向量机(Support Vector Machine，SVM)识别增压器故障、分析故障原因、实现故障预测、防止事故发生，可以提高设备的可靠性和使用效率、增长修理间隔期、降低费用，并可确保船舶主机正常运行及轮机管理人员的安全.

利用SVM进行机械设备故障诊断在国内外已经有很多研究，但仍然处于起步阶段，特别是在船舶柴油机故障诊断领域.目前，对船舶柴油机状态监控与故障诊断的主要技术手段［2］有机械性能监控、智能模拟监控、无损探伤等.其中，利用机械性能监控又包括滑油和振动监控.振动监控主要是通过机载振动监控系统跟踪转速频率，来监视传动轴系统的对中及平衡，如对废气涡轮进行动平衡试验.该方法具有简单实用、设备安装维护方便、直观性强、可靠性高等优点，已被广泛采用.

基于SVM的船舶柴油机废气涡轮增压器故障诊断，通过振动信号分析的方法对增压器状态进行监测，并选取适当的特征量输入计算机进行自动识别，以提取设备有关状态的有用信息(即信号预处理)，再将预处理好的特征向量输入训练好的分类器中进行测试，利用测试结果实现增压器故障的智能诊断.

1 SVM

SVM由VAPNIK等于1995年提出，是一种分类效……