随着船用柴油机技术的发展,智能化技术已成为其主要发展趋势,船用柴油机故障诊断技术是智能化三大核心技术之一。由于船用柴油机的工作特性,显然不会有太多的故障样本,而当前的智能诊断技术,诸如神经网络方法等,都是以大量的样本学习为基础的,这严重制约了船用柴油机故障诊断技术的发展。近些年发展起来的支持向量机作为一种高效的分类方法,其理论建立在统计学习理论的基础上,它在解决小样本高维模式识别问题上表现出良好的性能。因此,开展基于支持向量机的船用柴油机故障诊断技术研究具有理论意义和工程应用价值。本文在研究支持向量机原理和开展故障模拟试验的基础上,进行了基于支持向量机的柴油机故障诊断技术研究,取得的主要研究结论如下：1、介绍分析了支持向量机的基本原理、多值分类算法和基于粒子群优化算法的分类器参数优化方法,为支持向量机应用于柴油机故障诊断技术奠定理论基础,并对比传统基于标准值的诊断方法和神经网络方法,分析了支持向量机应用于柴油机小样本故障诊断的可行性和优越性,并给出了实际应用的具体路线；2、搭建了柴油机试验台架,进行了试验系统硬件软件的设计开发,在此基础上进行了进气阀间隙异常、排气阀间隙异常、气阀漏气和失火状态下的故障模拟试验,测取了瞬时转速和声发射信号,为柴油机故障诊断技术研究提供可靠数据来源及分析平台；3、进行了基于支持向量机的瞬时转速故障诊断技术研究。应用波形分析法进行了瞬时转速特征参数分析,提取了波动率最大变化值、波动率作功峰值、工频与发火频率能量比、倍频与发火频率能量比4个故障敏感特征参数,作为特征向量,应用支持向量机建立了故障诊断模型,测试结果表明：该模型能有效地诊断失火和做功能力不足(气阀漏气)的故障,且在高负荷下具有最好的分类性能；4、进行了基于支持向量机的声发射故障诊断技术研究。应用参数分析法进行了声发射特征参数分析,提取了工作循环有效值、进气门关闭段有效值、排气门关闭段有效值和燃烧段有效值4个时域参数,以及应用小波包分析法对声发射信号进行3层Daubechies8小波包分解,提取了S2、S3及S4频带的能量比,组成7维特征向量,应用支持向量机建立了故障诊断模型,测试结果表明：该模型能有效地诊断进气阀间隙异常、排气阀间隙异常、气阀漏气和失火的故障,对不同气阀漏气程度也能作出准确诊断,且分类性能稳定,随负荷波动较小；5、进行了船用柴油机多方法综合监测诊断的策略研究。综合热力参数法、瞬时转速法、气缸压力示功图法、声发射法、活塞环监测法、轴系振动法、轴功率法及船舶运行性能监测法等方法,进行了系统组成设计,分析各方法的适应范围,设计综合监测诊断模型,在此基础上,进行了多方法综合监测诊断的策略研究。在某轮渡3号线和4号线的工程应用验证了综合监测诊断策略的有效性。