乔继潘，张焱飞，陆思宇

(上海船舶运输科学研究所有限公司 航运技术与安全国家重点实验室，上海 200135)

0 引 言

随着大数据分析技术的不断发展，面向船舶主机分析与应用已经成为船舶行业的研究热点。智能船舶采集的大量实船数据为主机的性能分析、故障诊断预测以及维护提供可靠的依据，可以利用大数据分析、人工智能、机器学习等先进技术分析出每艘船每个主机每个工况下的运行特点，从而提供合理的主机性能评估结果，依据评估结果能够有效地制定因船制宜的维护方案。

大数据分析先进技术进行工况分析已经在交通运输行业广泛应用。秦大同等[1]利用K-均值聚类算法构建了城市循环工况，从而更好地反映实际交通道路状况。肖权[2]以船舶低速柴油机为研究对象，应用神经网络算法构建故障诊断及趋势预测系统。李添翼[3]利用小波神经网络算法对船舶主机进行分析。张嘉琦等[4]结合高斯混合模型（GMM）和深度神经网络来预估大型船舶的主机输出功率。目前国内外对船舶主机的研究主要集中在主机的故障分析和预测上，对如何识别不同的工况，从而根据不同工况进行故障分析的研究较少。船舶主机的工况状态识别是故障分析的基础，划分合理的船舶主机运行工况为确定船舶污染物排放量、预估燃油消耗量、评估主机性能评估以及主机关键设备故障诊断预测等方面奠定基础，为船舶设备管理和维护提供参考依据[5]。……