柴油机是船舶动力系统的重要组成部分,其结构复杂且零部件众多,包含冷却系统、进排气系统、润滑系统、燃油系统等子系统。当柴油机发生故障时,难以准确地识别出故障的类型。而柴油机热工参数包含大量的运行状态信息,所以柴油机工作过程的数值仿真研究对柴油机热工故障诊断具有重要意义。在前期对柴油机故障状态下监测参数的异常变化进行分析,为后续的故障诊断提供参考依据。首先,基于AVL BOOST软件建立柴油机工作过程的数值仿真模型,并通过台架试验数据验证模型的准确性,对比柴油机各项运行参数与试验数据的差异性,结果显示偏差均在5%以内。同时仿真得出涡轮增压器与柴油机的联合运行曲线,验证柴油机主体与涡轮增压器型号的匹配情况。其次,通过分析柴油机的故障机理,确定AVL BOOST仿真软件的故障参数设置。本文针对柴油机的十二种典型热工故障进行数值仿真研究,分析十四项热工参数在各个故障下的响应变化趋势及变化幅值。结果显示不同故障状态下的参数变化均有一定的差异,表明柴油机热工参数可以作为故障诊断的特征依据。然后,基于粗糙集属性约简理论,以监测参数子集元素数量最少和监测参数子集区分能力不变为目标,构建遗传算法的适应度函数。先通过K-means算法对故障样本数据进行离散化,再对监测参数全集进行属性约简,计算得出故障诊断的最优监测参数子集,结果可将14项监测参数缩减至7项。最后,使用BP神经网络作为故障诊断方法,对柴油机进行故障模式识别,同时对比PNN概率神经网络和SVM支持向量机两种分类方法的诊断结果,显示BP神经网络对400组故障样本数据的诊断率达到100%,可以作为柴油机热工故障的诊断方法。并验证监测参数约简的结果,使用监测参数子集和监测参数全集进行故障诊断的分类结果一致,表明粗糙集属性约简方法可应用于柴油机热工故障的特征参数筛选,为柴油机故障诊断的研究提供参考依据。