船舶柴油机作为船舶的主要动力来源,其正常工作与船舶安全可靠运行、海上生命财产安全息息相关。由于船舶柴油机由大量的摩擦学系统构成,这些摩擦副的摩擦磨损故障是船舶柴油机故障的主要类型之一。据统计,近50%的船舶柴油机故障是由零部件的异常摩擦磨损所导致的。因此,开展船舶柴油机的摩擦磨损故障诊断研究对延长零部件的使用寿命,提升柴油机的运行效率,以及安全性具有十分重要的意义。近年来,智能船舶的发展受到国内外航运界的广泛关注,其中智能机舱是重要内容。本文以船舶柴油机的主要摩擦副为研究对象,针对当前船舶柴油机磨损故障诊断中存在的问题,研究船舶柴油机磨损故障的智能诊断问题,特别是智能诊断中的诊断模型的建立和模型的智能信息处理,包括诊断模型对多种类型信息(包括定性信息和定量信息)的综合利用,对信息的不确定性处理,模型的复杂性和容错性控制,模型更新等问题。基于置信规则推理(BRB)方法和证据推理(ER)规则方法,研究了船舶柴油机故障诊断的并发磨损部件类别定位、磨粒类型辨识、模型优化与更新以及多个辨识模型融合等问题,主要研究内容和创新工作如下:(1)设计了适用于不同的船舶柴油机润滑方式(干式润滑和湿式润滑)的油液监测系统。提取了油液光谱元素含量信息和磨粒的二维和三维特征,分别构建了船舶柴油机磨损故障部件类别定位和磨粒类型辨识的特征向量。对样本集中存在的小样本、不平衡样本和数据缺失等问题进行修复,以此为基础开展船舶柴油机磨损故障智能诊断建模研究。(2)构建了一种同时适用于单一和并发磨损部件类别定位的多故障并行智能诊断模型结构。采用BRB方法综合利用定性专家知识和定量历史数据样本,建立了故障特征与故障模式之间的非线性关系,以置信度的形式对信息中的模糊不确定性、概率不确定性和未知性进行表示。采用受试者工作特征(ROC)曲线的最优截断点,作为各故障特征的中间参考等级量化值,表征故障特征的数据分布情况。利用所建立的故障诊断模型对船舶柴油机主要摩擦副的磨损故障实现诊断。在五折交叉验证中,通过与神经网络(ANN)模型、支持向量机(SVM)模型和二元逻辑回归模型进行对比验证,结果表明:多故障并行诊断模型结构能够有效对并发故障做出判断,并且该模型对新类型故障具有良好的可扩展性;基于BRB方法的故障诊断模型能够对磨损部件定位中的不确定性和未知性进行表示,诊断准确性高,诊断模型结构和诊断结果稳定,诊断推理过程透明可解释。(3)基于磨粒的二维和三维特征建立了双层BRB(BBRB)磨粒类型智能辨识模型,判断柴油机磨损故障产生的原因。根据聚类轮廓系数确定每一个特征的参考等级数量并且利用模糊C均值聚类改进数值型输入向置信度形式的转化,避免了BRB建模中存在的组合爆炸的风险。通过遗传算法(GA)对初始BBRB磨粒类型辨识模型的参数进行优化。建立了动态的基于BRB方法的辨识分类模型,使模型在应用过程中具有不断完善和更新的能力。深入分析了动态建模中,BRB模型中存在的不完备性及其产生原因,提出了不完备BRB模型的修复策略。结果表明:磨粒的三维特征对确定磨粒类型十分必要;BBRB结构进和采用聚类轮廓系数确定参考等级的方法能够有效降低BRB模型的复杂性;GA优化能够明显提升BBRB模型的辨识能力;动态更新的BRB辨识分类模型能够很好地平衡模型准确性和复杂性;本文所采用的参考等级更新、后件属性增加和规则增加策略能够提升模型准确性和对新样本的适用性。(4)以磨粒的二维和三维形貌特征构建输入特征向量,建立了基于ER规则的磨粒类型辨识模型,作为判断船舶柴油机磨损类型的依据,以解决其他辨识模型缺乏对不完整样本(即部分输入特征缺失)辨识能力的问题。采用证据参考等级量化值代替证据区间的方法确定证据的置信度分布,避免输入特征超出证据取值范围时证据的失效。在五折交叉验证中,与多种模型进行对比,并分析了辨识模型性能对不同证据(即磨粒特征)可靠性变化的敏感性。结果表明:基于ER规则的磨粒类型辨识模型对不完整输入样本具有辨识能力,可提高证据对不同输入样本的适用范围,基于ER规则的磨粒类型辨识模型对磨粒三维特征可靠性因子的变化更为敏感,辨识模型的性能随着各磨粒特征证据的可靠性增加而提升。(5)研究了多个船舶柴油机磨粒类型辨识模型在决策层的融合,以提高辨识模型的容错能力。将每个磨粒类型辨识模型的输出结果作为待融合的证据,利用ER规则对各辨识模型的输出结果进行融合,在融合过程中考虑每个辨识模型的可靠性和重要性对融合结果的影响。提出了一种综合考虑各待融合模型的准确性和稳定性的证据可靠性因子确定方法。结果表明:各辨识模型在决策层的融合改善了对磨粒类型辨识的准确性,并且提升了辨识模型的容错能力,多模型的融合能够增加辨识结果中真实类型与其他类型之间的置信度差异,使得辨识结果更加清晰可信。本文基于证据推理方法,开展了船舶柴油机磨损故障智能诊断的探索,提高了故障诊断过程中对多源信息的综合应用能力,降低了诊断模型的复杂性,提高了故障诊断模型的更新和容错能力,本文所建立的智能故障诊断模型输出的辨识结果,可为船舶柴油机实际运行中的健康状态评估提供技术支持。