船舶柴油机故障诊断技术探究
船舶柴油机故障诊断技术研究
船舶柴油机故障诊断技术研究摘要：当前机械企业的发展与船舶柴油机故障诊断技术有着非常紧密的联系，同时也在一定程度上影响着企业设备生产的效率和实际质量。
本文就对当前船舶柴油机故障诊断技术进行分析，并对其强化管理措施提出了有关的建议。
关键词：船舶柴油机；故障诊断；诊断技术1.船舶柴油机管理的现状1.缺乏完善的管理制度和绩效考核制度对当前机械企业管理工作的现状进行分析可以发现，在实际的管理过程中企业的精细化管理工作还存在许多问题[1]。
首先，柴油机管理工作比较混乱，相关管理人员并没有结合实际工作需求对管理制度进行完善；同时在采购柴油机的过程中部分工作人员也没有对采购的数量进行明确，导致企业的管理成本开支大大增加。
而企业中的绩效考核可以调动工作人员的积极性，但是在实际的工作过程中并没有对绩效考核制度进行完善，相关工作人员的工作行为无法得到有效的约束和管理，整体管理工作情况不尽人意，而且工作人员工作积极性无法提高。
1.设备超负荷运行随着现阶段我国用电需求的不断提高，为了更好的满足实际用电需求，机械柴油机的工作负荷量也在不断地增加。
而且在长时间的工作过程中管理工作人员没有定期对机械柴油机进行检查和维护，设备处于高强度的工作状态，机械柴油机的磨损程度在不断地加重，不仅会大大增加柴油机的故障发生率，整体的设备质量也会大幅度下降。
1.船舶柴油机故障诊断技术分析1.故障诊断分析由于船舶工作时间比较长，而且工作负荷量也非常大，因此在实际的工作过程中，柴油机发生故障的概率非常高。
在对产生故障的原因进行分析时，相关工作人员需要根据船舶柴油机故障结构的复杂性以及实际工作环境的特殊性从多个角度全面的对其进行分析，这样一来，才能够有效的提高诊断数据结果的真实性和准确性。
因为现阶段船舶柴油机内部的运动零件数量非常多，组成结构具有一定的复杂性，故障诊断工作具有较高的难度。
在此种情况下为了保证相关诊断结果的准确性，必须要结合实际对传统的诊断技术进行更新和完善，结合当下实际需求，基于新型诊断技术基础上对其进行更新和调整，对柴油机的各种故障进行诊断，为后续解决方案的规划提供保障。
船舶柴油机监测及故障诊断技术论文[5篇模版]
![船舶柴油机监测及故障诊断技术论文[5篇模版]](https://img.taocdn.com/s3/m/59dbc44a1fb91a37f111f18583d049649b660e91.png)
船舶柴油机监测及故障诊断技术论文[5篇模版]第一篇：船舶柴油机监测及故障诊断技术论文在船舶当中，柴油机是最为重要的部分之一，为船舶的航行提供了重要的动力。
在柴油机的运行当中，由于工作条件恶劣，机器结构复杂，并且需要较高的强载度，因而很容易发生故障问题。
如果发生故障，会对船舶的正常航行造成影响，带来巨大的经济损失，严重时还可能威胁到整船人员的安全。
基于此，在船舶柴油机的运行当中，应当对其进行有效的监测，通过科学的故障诊断技术的运用，保证船舶柴油机良好的工作状态。
一、船舶柴油机的主要故障在船舶柴油机当中，通常具有较为复杂的结构，因而可能会产生很多不同种类的故障，同时有很多不同的原因会造成船舶柴油机故障，各种故障所发生的频率也不尽相同。
以某型号的船舶柴油机为例，其主要的故障类型包括了喷油设备及供油系统、漏油及漏水、漏气、基座、破坏及破裂、涡轮增压系统、曲轴、齿轮及驱动装置、调速器齿轮、气阀及阀座、活塞组件、漏油及润滑系统，以及一些其它的故障问题。
二、船舶柴油机监测与故障诊断技术（一）油液分析法在船舶柴油机状态监测和故障诊断当中，可以利用光谱分析法、铁谱分析法对润滑油进行分析[1]。
在柴油机的运行中，各个运动副会发生磨损，在不同磨损情况下，会形成不同的微粒，存在于润滑油当中。
因此，利用光谱或铁谱对润滑油中的金属微粒进行检测，就能够判断柴油机的故障信息。
在实际应用中，光谱和铁谱各自具有不同的监测功能与监测效果。
利用光谱法，能够对润滑油中磨损原件的含量进行准确的测定，但是对其形状、磨损类型等，难以进行了解。
而利用铁谱法能够对金属微粒的成分、大小、形状等进行了解，但是难以对有色金属进行高灵敏度的判别。
对此，可以综合应用光谱和铁谱分析法进行应用。
不过需要注意的是，利用这种油液分析法进行监测与诊断，在实时监测、缸位确定等方面存在一定的不足，只能定性描述油液分析结果，具有一定的随机性特点，因此在实际应用中要加以注意。
船舶柴油机故障诊断技术的研究及展望
用中， 应针对实际情况选取适当的故障特征参数进行诊断。主要包括以下几个过程 ， 如图 １ 所示。ｒ ２ ］
图 １ 柴 油 机 故障 诊 断基 本 过 程 结 构框 图
（ ） 态信 号 的收集 １状
状 态信 号也称 为机械 设备运行 中的二次 效应 ， 故障特 征信 息的载 体 ， 是 因此在 故
Ｖｏ ． Ｎ ． １ ｏ３ ６
Ｓ ｐ２ ０ ｅ ．０ ７
船舶柴油机故障诊断技术的研究及展望
徐 向荣
（ 江苏科技 大学 船 舶与海洋工程 学院， 江苏 镇江 ２ ２０ ） １０ ３
摘
要： 文章通过对船舶 柴油机故 障诊 断机理的分析 ， 介绍 了 船舶 柴油机故障诊 断的主要 方法， 了柴油机故障诊 分析
书。维修完毕， 把维修纪录反馈到诊断中心， 并把全部过程录入该设备的管理数据库， 以便以后查询。
２ 柴油机 的故 障诊 断技 术 （） １ 性能参数 法
性 能参数变化 直接 反映柴 油机 工作状 态 的变化 。可根据 实 际测定 参数值 和标 准值 的差异判 定故障或工
作状态 。 利用气 缸气体压 力对 柴 油机进 行故 障诊断 是该类 诊断方 法 的代表 。 而 气缸 工作 时 的气体 压力描述 了
１ 故障诊 断机理 分析
故障机理 的研 究需 要多 门基础 学科 的 支撑 ， 受 到柴油 机 自身结构 及工 作环 境与 工作状 态 的影 响， 还 从而 给研 究带来 了较大 的 困难 。 只有在 了解 和 掌握故 障产 生的机 理后 ， 能选择 正确 的分析 方法 把它从柴 油机运 才 行 中出现 的各 种物 理 、 学现象 中分离 出来 ， 化 如振 动 、 噪声 、 温度 、 耗 、 形 、 油 变 磨损 及气 味等等 。 因此在 实际应
船舶柴油机故障诊断方法分析
船舶柴油机故障诊断方法分析摘要：随着经济技术的发展，出口贸易的运营也开始走向成熟化，对此我国船舶事业的发展走向了一个相对成熟阶段，当前在此过程中，需要我们不断的完善船舶行业的进步，就要从船舶的核心技术---柴油机来分析，本文主要以船舶柴油机故障诊断方法来讨论，如何更好的实现诊断技术，就要通过船舶中柴油机的工作原理为核心，通过检测仪和多次的验证，来完善故障类型和未来使用的效率，同时船舶柴油机的使用高效率和准确性提高基础，也为我国船舶事业的发展提升一个台阶。
关键词：船舶柴油机；故障诊断；方法分类；分析前言船舶事业的发展可以说是我国经济发展的支柱，也是我们人类的重要交通工具，为了顺应时代的发展，在沿海城市发展中已经作为不可缺少的一部分，但是由于受到多种因素的影响，船舶柴油机是保证船舶出行的主要核心，为了保证动力正常行驶，就要稳定安全性和工作效率，因此，船舶柴油机故障诊断是最关键的因素，它主宰着船舶出行的经济损失和人身安全，在分析诊断方法上，需要以柴油机的结构和特点来分析，保证船舶柴油机故障诊断技术的重要性。
对此作出以下讨论和分析，不足之处尽请谅解。
1船舶柴油机故障诊断的重要性----性价比、结构、操作等特点第一，从我国经济发展的角度上分析，船舶的使用范围在不断扩大，对柴油机的使用需求就在不断的增多，为了保证柴油机的持续发展，就要保证其安全性和稳定性，当然很多购买船舶都会选择性价比高，且质量和经济效益成正比，因此就要完善船舶柴油机的故障诊断，从诊断中找到其中的问题，为船舶柴油机的性能和结构稳定而不断改善。
第二，从结构性能上来提升船舶的可靠性。
对于船舶来说，工作时间和运转周期都比较长，但是在长时间的工作中，就要把故障降到最低，对于水上行驶来说，比陆地运行的差异性更大，气候多变且环境更恶劣，一旦出现故障，那将面临的问题也比较多，因此在选择柴油机上，需要去适应船舶的运行，完善转速过程、零件结构及其整个工作的引力作用，保证船舶运行中故障降到最低，使用性能也相应提高。
基于模糊神经网络的船舶柴油机故障诊断系统研究的开题报告
基于模糊神经网络的船舶柴油机故障诊断系统研究的开题报告一、研究背景和意义船舶柴油机是船舶重要的动力设备，其故障对航行安全和经济运营都有不良影响。
因此，开发一种高效、准确的船舶柴油机故障诊断系统具有重要意义。
目前，船舶柴油机故障诊断方法主要分为基于物理的方法和基于数据的方法。
基于物理的方法依赖于对柴油机结构、工作原理和设备参数的深入理解，但其需要大量的时间和资源进行建模和分析，而且其结果可能不稳定和不准确。
基于数据的方法通过采集柴油机运行数据分析故障诊断信息，可以提高故障诊断的精度和效率。
其中，基于模糊神经网络的方法以其模型简单、适用范围广、具有良好的软件性能等特点，成为一种较为可行的方法。
因此，本研究将基于模糊神经网络技术开发一种船舶柴油机故障诊断系统，以提高柴油机故障诊断的准确率和速度。
二、研究内容和方法本研究拟采用模糊神经网络模型对船舶柴油机运行数据进行分析和处理，通过特征提取和特征选择技术，获取柴油机运行数据中最关键的故障特征，并将其作为输入变量构建模糊神经网络模型。
为了提高模型的精度和可靠性，本研究还将探索多层结构的模糊神经网络模型，并使用反向传播算法训练模型参数，最终得到可用于船舶柴油机故障诊断的模型。
三、研究进展和预期成果目前，本研究已经完成了船舶柴油机故障诊断系统的框架设计和柴油机运行数据的数据采集和处理。
接下来将进行特征提取和特征选择，构建多层结构的模糊神经网络模型，并测试和优化模型精度。
最终预期实现一种准确率高、速度快的船舶柴油机故障诊断系统，并在实际船舶柴油机故障诊断中进行验证和应用。
四、研究难点和解决方案本研究面临的主要难点是神经网络模型的优化和精度提高。
本研究将采用多层结构的模糊神经网络模型，并结合反向传播算法对模型参数进行训练和优化，以提高模型的精度和可信度。
另外，本研究将充分考虑船舶柴油机的特殊性质和运行环境，优化模型设计和特征选择，以进一步提高模型诊断精度。
五、参考文献1. 王丽君. 基于模糊神经网络的柴油机故障诊断系统的研究与实现[J]. 现代计算机, 2018(3):47-50.2. 朱国荣, 刘洋. 基于数据挖掘的柴油机故障诊断方法研究[J]. 机械科学与技术, 2017, 36(6):774-779.3. 徐凯, 林捷. 基于模糊神经网络的柴油机故障诊断研究[J]. 内燃机工程, 2016, 37(2):1-4.。
船舶柴油机故障诊断技术研究
二、技术原理
船舶柴油机监测与故障诊断技术的基本原理主要包括传感器技术、信号采集 技术和模式识别技术。
1.传感器技术：传感器在柴油机监测中发挥着至关重要的作用，通过各类传 感器可以获取柴油机的振动、压力、温度、湿度等参数，进而对这些参数进行分 析和处理。
2.信号采集技术：信号采集技术是柴油机监测的基础，通过高精度的数据采 集设备，实时获取柴油机的各种信号，为后续分析提供数据支持。
3.模式识别技术：模式识别技术是柴油机故障诊断的关键，通过对采集的信 号进行特征提取，利用分类算法对柴油机的运行状态进行评估和分类，从而实现 对柴油机故障的早期发现和准确定位。
三、研究方法
船舶柴油机监测与故障诊断技术的研究方法主要包括样本采集、特征提取和 分类算法三个步骤。
1.样本采集：通过对船舶柴油机在各种状态下的运行数据进行采集，建立数 据库，为后续研究提供充足的数据支持。
4、模型训练：采用支持向量机（SVM）等核学习方法，我们根据提取的特征 训练故障诊断模型。
5、模型评估：通过交叉验证等方法，我们对训练好的模型进行评估，以确 定模型的准确性和泛化能力。
实验结果表明，基于核学习理论的船舶柴油机故障诊断方法相比传统方法具 有更高的准确性和鲁棒性。在故障树分析中，该方法能够有效地识别出柴油机的 主要故障模式，并对其进行分类和排序；在神经网络中，该方法能够有效地处理 复杂的非线性映射关系，提高故障诊断的精度。
综上所述，船舶柴油机监测与故障诊断技术对于保障船舶航行安全具有重要 意义。虽然目前该领域还存在一些问题，但随着技术的不断进步，相信未来这一 领域将会取得更大的突破和发展。
随着全球贸易和运输行业的不断发展，船舶在人们的生产、生活和工作中扮 演着越来越重要的角色。而船舶柴油机作为船舶的核心动力装置，其运行状态直 接影响到船舶的正常运营。因此，开展船舶柴油机故障诊断研究，对于提高船舶 的使用寿命和可靠性具有重要意义。本次演示将基于核学习理论，对船舶柴油机 故障诊断进行深入研究。
船舶故障诊断技术研究【文献综述】
毕业论文文献综述轮机工程船舶故障诊断技术研究一、研究背景及意义故障诊断的发展和应用，是随着船舶设备技术以及相应的维修模式的发展相联系的。
20世纪以前，船舶结构简单，维修费用低人类对船舶的维修基本上是事后维修，即某部分出现问题后在进行故障分析和维护，故障诊断完全没有引起人们的注意。
进入20世纪后，随着船舶设备本身技术水平和复杂程度的提高，设备故障对船舶产生显著影响，出现了定期维修，一边事故发生前加以处理。
1960年代以后，海南事故频发，人类开始意识到传统的定期维修的弊端，开始变定期为修为与之维修，及监测船舶的工作，预先发现潜在的故障因素，及早采取措施，防止突发性故障。
预知维修方式，不仅大大减少了灾难的发生，而且避免了失修和过剩维修，经济效益可观，很快被大多数船公司认可，促使故障诊断技术得到了迅速发展。
二、国内外故障诊断技术研究现状故障诊断发展至今，取得了很大进步。
但是目前，故障诊断方法的分类还没有统一标准。
根据其理论和方法特点，一般为基于信号处理的方法、基于解析模型的方法和基于知识的方法等三类[]2。
2.1 基于信号处理的方法基于信号处理的方法，通常利用信号模型，直接根据检测数据判断，也可采用相应的信号分析和处理方法，如相关函数如相关函数、频谱、自回归滑动平均等，提取诸如方差、幅值、频率等特征。
直接利用信号模型、回避了抽取对象数学模型的难点，对于线性系统和非线性系统都适用，具有一定的通用性。
这种方法具体可分为下面几种实现方式[]2（1）直接测量法即通过仪器、仪表等，并借助操作人员的感官，通过看、听、摸、嗅等方法，直接测量或观测被诊断对象有关的输出。
若输出超出正常范围，则认为对象经或将要发生故障。
故障诊断技术发展的初期阶段，大多采用这种方法，特点是简单，但常常受操作人员的经验、技术水平和身体状态等的影响，容易出现误判和漏判。
（2）信号处理技术故障往往由于冲击、振荡、碰撞、转速突变等引起，从而也引发相应状态监测传感器的检测信号的突变和噪声增加，各种变化的奇变点处含有丰富的故障信息。
船舶柴油机远程故障诊断研究
设 有机 舱 集 中监 视 和报 警 系 统 ， 舶 柴 油 机 的 各种 船 工 作参 数 （ 却 水 温 度 、 冷 油温 、 压 、 气 温 度 等 ） 油 排 用 传 感 器测 出并 送 入 集控 室 的监 控 计 算机 中进行 集 中 的显 示 和 报 警 。 在 该 系 统 的基 础 上 作 进 一 步 的拓 展 ， 集控 室 组建 计 算 机局 域 网 系统 ， 其成 为 网络 在 使 化 的故 障监 视 和 诊 断 系 统 。在 该 局 域 网 中 ， 了原 除
维普资讯
船舶 柴 油机 远程故 障诊 断研 究 ＊
王 颖 硕 士 ／ 师 宁 波大 学 海运 学 院 ［ １ ２ １ 讲 ３５１］
冯 志 敏 副 教 授
宁 波大 学 海运 学 院［ １ ２ １ ３５１］ 宁 波大 学 海运 学 院［ １ ２ １ ３５１］ 宁 波大 学海 运 学 院［ １ ２ １ ３５ １ ］
此 其 柴 油机 的工况 复 杂多 变 ， 旦 发生 故 障 ， 一
专 錾渤 警 摹 懑 统 家 黪
窜
图 １ 船 舶 柴 油 机 远 程 故 障 诊 断 系 统 总 体 结 构 图
是 ， 程 故障 诊 断 技 术 在 船 舶 上 的 应用 尚是 一个 空 远
白 ， 文 对这 种 技术 在 船舶 上 的应 用 作 了研 究 。 本
１ 系 本故 障诊 断 系统 是 在船 舶 原有 的机舱 集 中监 视
和报 警 系统 的基 础 上 建立 起来 的 。 自动化 船舶 一 般
而 往 往束 手 无 策 。建 立船 舶 柴 油机 远 程 故 障诊 断 系
统 能 有效 地 解决 这 一 问题 。通过 卫 星通 信 和 计算 机 网络技 术 将 船舶 柴 油机 的工 作参 数 实 时地 传 回公 司 总 部 的远 程 故 障诊 断 中心 ， 用 远 程 故 障 诊 断 中心 利
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
船舶柴油机故障诊断技术探究
柴油机为船舶主要动力设备，如果其出现运行故障，必定会对船舶运行可靠性与稳定性产生影响。
现在船舶已经实现了自动化与集成化发展，对船舶柴油机性能有着更为严格的要求。
就实际情况分析，造成船舶柴油机故障的原因众多，在对其进行分析时，需要针对不同表现形式特点，并应用合适诊断技术，确定故障原因然后采取措施处理，促使其维持稳定运行状态。
文章对船舶柴油机故障诊断技术要点进行了简单分析。
标签：船舶；柴油机；故障诊断
船舶运行环境特殊，柴油机作为维持其运行的主要动力设备，在受到各项因素的影响后，很容易出现运行故障，无法满足船舶运行要求。
船舶柴油机传统故障诊断技术主要为看、听、摸、闻，想要更准确地判断故障部位以及原因，需要积极应用新型诊断技术，利用更短时间来得到更准确结果，为后续维护工作提供依据。
1 船舶柴油机故障诊断分析
1.1 故障诊断分析
对于船舶运行情况来看，柴油机故障发生概率比较大，在分析故障原因时，需要基于其结构复杂性，以及运行环境特殊性对各项因素进行综合分析，提高故障诊断结果准确性。
船舶柴油机运动部件多、结构复杂度高，故障诊断技术难度大，需要在传统诊断技术上进行更新，积极应用新型技术与理念，准确诊断各类故障，为故障解决提供依据。
船舶柴油机故障诊断，需要根据不同故障表现形式，掌握故障产生机理，从物理、化学等方面着手，根据振动、油耗、噪声、形变、磨损、气味等表现特征进行综合分析，选取适当故障特征参数，完成故障诊断[1]。
1.2 故障诊断流程
1.2.1 收集状态信号
故障诊断时首先要对船舶柴油机状态信号进行有效收集，其作为故障特征信息载体，可以为诊断作业提供有效依据。
一般可以应用相关传感器或辅助测试仪器对运行状态的船舶柴油机状态信号进行收集，包括噪声信号、振动信号、转速信号、压力信号以及温度信号等。
1.2.2 信息选择提取
对于已经收集到的所有状态信息，进行分类和处理，然后从中确定柴油机故障表现最为密切的特征信息。
并对所有特征信息值进行检验，掌握其变化规律，确定设备实际运行状态。
但是就以往诊断经验来看，收集到的状态信号，受外部
因素干扰较大，存在大量的干扰信号在其中，无法对特征信息进行有效选择和提取，是影响柴油机故障诊断效率的关键因素。
1.2.3 故障分析诊断
经过对有效状态信息的提取与选择，通过专业判断后确定柴油机运行状态是否存在异常，同时利用此数据和其他补充测试辅助信息来确定故障原因和部位。
基于船舶柴油机结构的复杂性，故障发生部位可能为子系统、零件或者部件等，需要通过对所得特征信息与故障源可能会对系统性能指标造成影响的程度进行评估，综合分析判断故障等级[2]。
现在所应用的故障诊断方法，就是通过对所得状态特征信息与标准值的对比，判断故障部位与程度，实现各部位状态识别。
1.2.4 决策制定实施
在经过对特征信息的分析对比后，判断柴油机故障源与等级，预测评估其发展趋势与影响程度，以此为依据来做好维修方案的编制，合理确定维修时间。
同时，还需要根据故障性质和部位，来制定相应的维修措施与维修内容，并将最终维修方向传递给维修车间，确定维修任务。
待所有维修任务完成后，及时将维修记录反馈给诊断中心，并且要将整个故障诊断与维修过程产生数据信息记录并存储到数据库内，便于后期维护时有效查询，提高柴油机运行综合效果[3]。
2 船舶柴油机传统故障诊断技术
2.1 热力参数分析法
应用此种方法来对船舶柴油机故障进行诊断，即利用船舶柴油机工作时热力参数变化，来判断确定其运行状态。
例如气缸压力示功图、转速、排气温度、冷却水进出口温度与排放、滑油温度等，对其进行综合分析后，判断柴油机运行性能。
其中，各项热力参数内，示功图所含信息最多，可以根据其来计算得到压力升高率、指示功、压缩压力，利用此来判断柴油机燃烧质量以及各缸功率是否平衡。
但是示功图测量难度较高，尤其是需要通过示功图来诊断压力传感器寿命与可靠性，需要提高对此方面的重视。
就船舶柴油机故障诊断技术发展水平来看，通过对曲轴转速波动来对柴油机运行状态进行监测和诊断，也可以获得可靠结果。
柴油机运行时曲轴扭转波动产生转速波动，且与各缸发火相关，通过对转速波动的研究，便可以实现对缸内做功压力进行判断，并实现故障监测。
2.2 振动分析法
振动分析法的应用原理是，通过对船舶柴油机运行振动信号的测试、分析与处理，判断其内部各零部件状态，对故障进行有效诊断，具有准确率高、速度快等特点。
目前我国应用此种方法来对船舶柴油机故障进行诊断，可以将振动传感器安装到气缸头部位，对振动信号进行收集和分析，判断诊断缸内故障，确定是否为柴油机主轴承故障，利用润滑油管路内压力波信号对轴承故障进行诊断。
通过对设备表面振动信号来完成柴油机气缸、活塞、主軸承以及气阀故障诊断技术，
现在已经研制出柴油机智能诊断仪DCM-Ⅱ，可以实现在不对柴油机进行解体情况下，完成故障诊断[4]。
2.3 油液分析法
应用油液分析法来对船舶柴油机故障进行诊断，即利用油品化验、含铁量检查、铁谱分析等，对润滑油内磨粒浓度、磨粒形状与大小滨化、含铁量变化以及油质变化等进行整体磨损状态分析，确定柴油机运行状态是否存在异常。
油液分析法包括油液本身物理化学性能分析与油液内不洁物质分析两种类型，其中第二种常见方法如光谱分析、铁谱分析、颗粒计数等[5]。
对比其他故障诊断技术来讲，油液分析法对船舶柴油机故障特征信息的采集和提取更为方便，可以有效避免声振技术受频谱干扰影响。
3 船舶柴油机现代故障诊断技术3.1 神经网络诊断
3.1.1 诊断原理
神经网络诊断技术在船舶柴油机故障诊断中的应用，即通过对故障实例和诊断经验的训练学习，利用网络内分布的连接权值表达学习，具有模式匹配、联想记忆以及相似归纳等能力，可以实现故障与征兆之间复杂的非线性映射关系。
3.1.2 诊断技术
（1）直接诊断。
直接将神经网络用于船舶柴油机故障诊断，需要选择关键参数作为输入层，输出层则为故障参数，利用典型样本学习得到的权值进行模式识别。
（2）自适应识别。
自适应神经网络模式识别，主要是利用神经网络分布式信息存储与并行处理，消除了模式识别中建模与特征提取存在的麻烦，避免因模式不符或者特征提取失败对诊断结果的影响，提高故障识别准确性。
（3）信号处理。
利用神经网络来对信号进行处理，其主要是通过最优化算法与其智能化识别特点，保证可以为故障诊断提供有效特征信息。
3.2 专家系统诊断
基于专家系统的智能诊断方法，主要是利用研究领域专家专业知识作为依据，对船舶柴油机故障信息进行收集和分析，推理判断故障问题部位与原因。
故障诊断专家系统的有效执行，需要将长期实践经验以及大量故障信息作为基础，设计一种智能计算机程序系统，对难以利用数学模型精确描述系统故障进行有效诊断。
其中，专家诊断系统主要包括知识库、推理机、知识获取部分以及解释部分，且基本上均是利用产生式规则与框架来进行知识表达。
通过产生式规则知识表达，可以利用人工智能语言来降低分析难度，同时还可以使得结果更符合人的心理逻辑，知识获取更为便利，例如常见的MI系统、KES系统、Expert系统等。
对于诊断推理方面，重点为推理逻辑与推理模型的研究，模糊逻辑因其复杂性低已经得到了广泛应用。
并且现在已经提出基于模型的知识库理论，促使推理机制发生根本改变，包括定性物理模型、神经网络模型以及可视觉模型等，进一步提
高了人工智能技术的应用效果。
将专家系统应用到船舶柴油机故障诊断中，充分实现了基于数字信号处理的深层诊断知识的研究。
3.3 混合系统诊断
可以根据实际需求来对各种诊断方法进行组合使用，例如神经网络方法与专家系统方法组合和人工神经网络方法与模糊推理方法组合，不仅可以降低故障诊断难度，同时还可以提高诊断结果准确性。
根据不同方法诊断原理，进行合理搭配，争取获得准确可靠的诊断结果。
4 结束语
船舶柴油机结构组成复杂度高，再加上运行环境特殊，受到外部因素干扰后很容易出现运行故障，这样就需要采取有效措施进行故障诊断，为后续维护管理工作提供依据。
对比不同诊断技术特点，以降低诊断难度和提高诊断效率为基础，合理选择技术类型。
参考文献：
[1]陈银平.船舶柴油机故障诊断中共振解调技术的应用[J].电子技术与软件工程，2016（19）：105.
[2]郭国军，孙亚丽.船舶柴油机监测与故障诊断技术分析[J].科技风，2016（15）：147.
[3]張忠伟.分形技术与概率神经网络在船舶柴油机故障诊断中的应用[J].舰船科学技术，2016（12）：91-93.
[4]王坚，王彬.基于声响异常辨识的船舶柴油机故障诊断技术探析[J].南通航运职业技术学院学报，2013（04）：42-44.
[5]许丽君.基于神经网络的船舶柴油机故障诊断技术[D].江苏科技大学，2013.。