随着船舶工业对柴油机综合性能要求的不断提高,船用柴油机正朝着低油耗、低排放和智能化的方向发展,控制器也将更加智能化。合适的控制策略对于柴油机的经济性、排放以及安全运行均具有重要意义。由于基于脉谱图的开环控制无法依据部件性能退化或环境变化及时修正策略,柴油机正在从开环控制向闭环智能控制方向发展,可测量和可控量也不断增加。柴油机控制策略实施的前提是正确识别缸内工作状态,进行故障隔离,定位故障部位。只有柴油机处于正常工作状态时,闭环控制策略的实施才有效,否则可能造成更严重故障。因此,柴油机的缸内状态识别与故障隔离技术是智能柴油机的必然要求。本文以某型中速柴油机为例,基于AVL CRUISE M和AVL FIRE平台分别建立柴油机工作过程零维模型和缸内燃烧过程三维模型,通过不同故障和不同故障程度仿真,得到控制器可监测的热工参数,形成柴油机不同状态的故障样本数据集。对热工参数进行相关性和故障敏感度分析,确定出用于柴油机缸内状态识别与故障隔离研究的特征参数样本。采用主成分分析法（PCA）实现了对柴油机缸内状态的识别,并采用五种监督学习算法实现了柴油机的故障隔离,对比算法的准确性和泛化能力,在此基础上利用NI硬件和软件开发柴油机状态识别与故障隔离快速原型。论文的主要研究内容和成果如下:（1）利用柴油机工作过程零维模型与缸内燃烧过程三维模型的联合仿真实现对柴油机19种故障工况及3种故障程度的仿真,得到柴油机故障样本。从故障样本中提取出柴油机控制器可监测的20个热工参数,并对热工参数进行相关性和故障敏感度分析,确定出14个特征参数用于识别15种故障类型。（2）基于模型仿真得到的正常工况特征参数样本,采用主成分分析方法构建柴油机正常工况的主元模型。根据方差累积贡献率确定主元个数并计算出T~2和SPE统计量边界用于缸内状态识别。利用仿真数据测试表明,基于PCA主元模型,采用T~2和SPE统计量的方法可以100%识别故障样本,适合用于柴油机缸内状态识别。（3）将仿真的故障工况特征参数按不同故障程度划分为两组故障数据集。采用决策树、随机森林、SVM、XGBoost和KNN五种监督学习算法对两组故障数据集进行故障隔离。故障隔离结果表明,5种监督学习算法对现有样本的故障隔离准确性均表现很好,其中SVM和KNN算法的泛化能力较强,对新样本的故障隔离率可达到90%以上,适合用于柴油机故障隔离。（4）基于对柴油机状态识别与故障隔离快速原型的需求分析,采用NI Compact RIO硬件和NI Lab VIEW软件,设计开发了柴油机数据采集与处理模块和基于主成分分析的状态识别模块。采用NI Lab VIEW的分析和机器学习工具包,开发了基于SVM算法的故障隔离模块。利用仿真数据测试表明,柴油机状态识别和故障隔离模块均满足准确性与实时性的要求。本文研究工作是为柴油机控制策略开发服务的。利用零维与三维模型相结合的故障仿真方式得到特征参数样本,研究基于主成分分析方法的缸内状态识别和基于监督学习的故障隔离方法,设计开发了柴油机状态识别与故障隔离快速原型,可为柴油机智能控制器的开发提供参考。