蒋佳炜，胡以怀，李方玉，王富伟，陈彦臻，闫国华

(上海海事大学，上海 201306)

0 引 言

船用二冲程柴油机由于其高功率输出、对油品要求低、可靠性相对较高，在最近数十年的海运事业发展过程中成为大部分商用船舶的主要动力装置。据统计超过99%的大型商用船舶采用柴油机作为发动机[1]，二冲程大缸径涡轮增压柴油发动机在海运船舶中占据主导地位。作为船舶的动力心脏，柴油机的运行状态决定着船舶是否能安全运行。船舶柴油机结构复杂，工作条件恶劣，在实际运营中时常发生故障。基于统计资料[2]，船舶动力系统引发的故障占总体的85%。一旦柴油机发生故障，不仅会导致船舶动力装置无法正常工作，造成巨大的经济损失，甚至可能危及人身安全，造成重大事故。据日本船级社对220 余艘船舶10 年故障统计分析表明，船用柴油机的故障率大约是每小时0.4×10−3次。因此，船用柴油机的可靠性管理、监测和诊断技术的研究是船舶工程领域内的一项重要课题[3]。

裴大茗等[4]总结了近年来国内外船舶状态监测技术的进展情况，其中詹玉龙等[5]提出基于支持向量机的船舶柴油机故障诊断技术，牛晓晓等[6]提出基于神经网络的柴油机性能预测模型。以上方法均可以实现柴油机的状态监测以及故障诊断，但存在的普遍问题是：1）支持向量机或神经网络模型均需要大量数据训练并且需要不同方法调参或寻找合适的核函数，难以实现在线故障诊断；2）需要使用故障数据对模型进行训练。……