船用滚动轴承是舰船必不可少的基础旋转机械零件，作用于船舶动力机械的各个系统，滚动轴承的故障极易导致舰船发生安全事故，从而影响正常的遂行任务，因此，船用滚动轴承故障诊断技术的研究具有重要意义。本文以工程应用为目标，采用决策树和随机森林两种机器学习方法，对船用滚动轴承的单一故障和多种故障组合状态进行智能诊断，根据实验结论和数据分析开发了船用滚动轴承故障智能诊断应用系统，主要研究内容如下:
　　采用Python对决策树和随机森林两种方法计算过程进行编程建模，对DataCastle国家数据科学竞赛平台公布的滚动轴承故障振动测试数据进行仿真分析，通过仿真结论与该平台科学竞赛成绩的对比，验证了决策树和随机森林两种方法应用于滚动轴承故障诊断的有效性。
　　搭建了滚动轴承振动测试实验平台，通过振动系统、电机转速控制系统和数据采集系统，对八种单一故障和多种故障组合的船用滚动轴承的3个方向、72种转速工况进行测试，经过数据处理得到了一套较为完整的样本数据。基于实验数据，进行决策树和随机森林算法模型的训练，建立了五层二分决策树分类模型树状图。通过诊断结果分析，在采用决策树算法时，选取径向垂直方向振动数据的裕度指标、脉冲指标、峰值指标和峭度指标为特征的故障诊断准确率最高，达到了98.37％，在采用随机森林算法时，选取轴向方向振动数据的裕度指标、波形指标、脉冲指标和峰值指标为特征的故障诊断准确率最高，达到了98.85％。
　　根据船用滚动轴承的决策树和随机森林方法诊断结论，开发了船用滚动轴承故障智能诊断系统图形用户界面应用程序，根据功能和架构需求，采用两种诊断页面、两种诊断方法、三种诊断方向和五种诊断特征指标选择性架构，实现了轴承故障自动诊断和手动诊断。通过系统测试和实例应用分析，发现该应用程序能够准确、稳定、便捷的输出故障轴承诊断结论，验证了应用程序设计的合理性及实用性。