近年来,随着智能船舶概念的兴起,以及大数据、云计算及物联网等互联网及信息技术的发展,船舶智能化已经成为全球航运的大势所趋。目前智能船舶的研究已在全球范围内开展。对船舶机械设备的运行状态、健康状况进行分析和评估,制定船舶机械设备操作决策和维护保养计划,是智能船舶的主要目的之一。船舶机械设备主要包括船舶动力系统、船舶辅机、发电机等。其中船舶动力系统承担着能量传输,动力传递和推进船舶的使命,被称为船舶的“心脏”。船舶推进轴系是船舶动力系统的重要组成部分,在船体变形和风浪等外部载荷作用下,振动明显加剧,加速船舶轴系故障的发生,这使得船舶轴系运行的可靠性和安全性成为了关注的重点。对船舶推进轴系状态的状态监测与故障诊断是保证船舶动力装置的可靠运行,实现船舶航行安全的有效手段。如何有效地、及时地、准确地识别和诊断船舶轴系的各种异常状态或故障,是进行船舶轴系状态监测与故障诊断研究的关键,是提高船舶轴系运行的可靠性和有效性的重要保障。文中以船舶推进轴系为研究对象,在研究船体变形和外载荷激励对船舶推进轴系振动影响的基础上,提出了船舶推进轴系振动信号故障特征提取和故障诊断的方法,为船舶轴系的智能故障诊断方法研究和智能船舶的发展提供理论依据,也为船舶推进轴系优化设计、安装、性能监测与维护提供方法与技术支持。主要研究内容和成果如下:(1)建立了船体变形激励下的轴系横向振动模型,研究了不同影响因素对船舶推进轴系振动特性的影响。通过数值分析的方法,分析了轴系位置、螺旋桨、主机、支撑刚度、激励位置和不同尺度等影响因素对船体变形激励下的轴系横向振动的影响。并以8 530 TEU集装箱为研究对象,开展了实船试验研究,验证了部分分析结果。(2)开展了多激励下的船体-轴系振动特性试验研究,分析了不同激励下对船体-轴系振动特性的影响。以船舶轴系试验台为研究对象,探讨了船体激励、螺旋桨激励对船体-轴系振动的影响,分析了强制位移、正弦激励力和变频激励力下的船体-轴系振动特性,为轴系进行状态监测与识别提供理论依据。(3)提出了基于变分模态分解(VMD)的船舶轴系故障特征提取方法。在研究轴系典型故障(不平衡、不对中、摩擦、油膜涡动)产生机理的基础上,开展了轴系故障模拟实验,使用VMD方法对轴系的故障特征进行了提取,结果表明,VMD能有效地提取船舶轴系的故障特征。针对VMD参数选择困难的问题,提出了一种参数选择方法,该方法能有效分解故障信号而不需要经验和预判。并提出来改进VMD-能量熵的轴系故障特征提取方法,获取了大量轴系故障特征数据,为后续的故障诊断研究提供了数据支撑。(4)为了提高船舶轴系故障识别与诊断的效率与准确率,提出了基于深度学习的船舶轴系故障诊断方法。将深度置信网络(DBN)方法应用到轴系故障诊断中,通过与传统的支持向量机(SVM)方法的对比,DBN可以使用更少的故障特征获得更高的识别和诊断率,增强了轴系故障识别和诊断的智能性。综上所述,本文采用理论分析和试验研究相结合的办法,针对船舶轴系的振动特点以及船舶轴系振动信号特征提取和故障诊断中存在的问题,提出基于变分模态分解和深度置信网络的船舶轴系故障诊断方法。该方法能使用更少的故障特征获得更高的识别率和诊断率,增强了轴系故障识别和诊断的智能性。