船舶主机系统的故障监测与诊断对提高船舶柴油机工作时的安全性和可靠性,降低设备维修费用,减少经济损失,避免重大事故发生具有十分重大的意义。柴油机故障诊断最常用的传统方法主要有热力参数分析法、油液分析法和振动分析法,也有将时域分析法、小波分析法、小波包法、局域波法、,粗糙集理论等其它学科的一些思想与方法移植于柴油机故障诊断的研究中。同时,社团发现作为复杂网络的研究热点之一,已渗透到很多工程领域,包括主机系统的故障监测与诊断。复杂网络的社团结构分析是复杂网络结构分析中的一个非常重要的课题。社团是指由网络节点组成的一个个节点子集合,子集合内部节点之间边的连接很稠密,各子集合节点之间边的连接则是稀疏的。社团发现算法的目的是利用尽量少的信息得到尽量准确的网络社团结构。简介了以Kernighan-Lin算法和谱平分方法为代表的图分割方法,以GN算法为代表的分裂方法,以模块度为基准的合并方法,基于网络动力学的方法,以及统计学推理方法。将主机系统的各样本作为网络节点,各热力参数值作为节点的属性,定义故障样本间的相似程度,并以其作为节点间边的权重,给故障节点进行分类,即做社团发现。Clauset、Newman和Moore采用堆的数据结构来计算和更新网络的模块度,提出了CNM算法。计算所得类间和类内的相似度,故障诊断转化为解决满足“类内相似度大,类间相似度小”的子网络探测问题,最终转化为模块度增益函数的最优化问题。为了减少计算的复杂度,设定初始划分流程,将相似度大于阈值的节点进行合并,再采用CNM算法计算。因工作平台编程环境友好、程序语言简单易用、科学计算数据处理能力和图形处理功能的全面,MATLAB软件被用来进行CNM算法的仿真计算。故障数据采自STX大连造船有限公司七条船的相关资料和记录。统计阈值在0.01至0.99时的正确率和运行时间,以检验算法的优劣。结果表明,在合适的相似度函数下,CNM算法具有相当高的正确率,且对阈值稳定,能够在很短的时间内得到正确结果。复杂网络社团发现算法应用于主机系统的故障诊断经仿真试验证明是可行的,然而实际故障样本的采取和理论上的试验数据之间相应的接口程序因实际情况的不同,还有待于进一步的研究。在整个轮机系统的故障诊断应用上,此方法的适用性也有待于进一步的验证。