柴油机是依靠燃烧柴油释放热能,并转化成动能的动力装置,在众多领域具有广泛应用,如船舶、矿场、航空等,在国民经济发展中起到举足轻重的作用。船舶所用柴油机是柴油机具体应用的一种,被用作船舶推进动力装置,具有热效率高、经济性好、起动容易、适应性强等优点,对船上其他众多设备都有影响作用,而船舶柴油机的运行工况和内部结构都十分复杂,对船舶柴油机运行工况的有效监测,采集到的数据进行特征提取与分析、进行类别的区分,具有实际意义。船舶柴油机的故障检测是通过对传感器设备所收集到的数据信号进行处理与分析,结合历史数据信息,综合识别当前运行状态,本质是模式识别与数据分类问题。船舶柴油机信号数据具有典型的非线性多维特性,传统的线性方法对于船舶柴油机信号数据有较大的局限性,核主元分析及流行学习中核局部保持投影法对于非线性数据的维度减低具有良好效果,K近邻算法能够有效区分数据类别,此外与最小二乘支持向量机方法结合,能够对故障发生源位置进行快速有效的检测。本文利用AVL BOOST仿真软件建立船舶低速二冲程柴油机模型,重点选择了三类常见故障类型与一组正常数据,为研究工作提供原始数据支持。针对柴油机故障数据通常为非线性,并且很难提取有效兼顾数据全局结构特征及局部结构特征的问题,提出一种改进结构保持算法的特征提取与降维方法。传统基于核主元分析的故障检测方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题,改进的特征提取与降维方法使样本投影后的特征空间保持原始样本空间的整体结构,还保持样本空间相似的局部近邻结构,包含更丰富的特征信息,但是这只能完成故障信息的有效提取与降维,不能完成对于故障的分类作用,在此基础上提出一种改进K近邻算法实现故障的分类,有效解决映射后,样本类别间出现投影数据混叠,以及投影空间中存在边界数据归类模糊,导致分类误判的问题。之后提出一种分块核主元分析与最小二乘支持向量机结合的故障检测算法,通过对大规模样本数据进行分块处理,并行处理样本数据,再通过最小二乘支持向量机对故障类型进行识别,减少检测时间,准确识别故障发生源位置。最后,在AVL BOOST仿真数据上的应用表明,所提方法能够有效提取数据的结构信息,从而提高故障分类与检测精度。