智能船舶和无人船舶等概念的提出和研究,对船舶系统的可靠性、维修性、安全性及寿命周期费用等问题提出了新的挑战。故障预测与健康管理(Prognosis and Health Management,PHM)技术作为一项已经在航空、航天和军事等领域广泛应用的先进技术,是船舶主机维修和管理技术研究的新方向。当前营运船舶的主机监测数据以热力参数为主,同时普遍存在部分运行参数缺失、监测数据上报周期较长和缺少故障样本等问题。这限制了现有的状态评估、故障诊断和故障预测等方法在实船上的应用。针对实船数据存在的问题,依据PHM的技术框架,对现阶段营运船舶的主机性能退化和基于性能退化的健康管理方法进行了研究。论文主要包括以下4个方面:(1)船舶主机PHM系统基础研究。设计了船舶主机PHM系统的分层融合式结构,明确所研究的健康管理方法为区域级;建立了船舶主机PHM技术各环节的算法工具选择流程,并结合营运船舶数据的特点,确定了从性能退化的角度对主机健康管理方法的研究方案。提出了包括传感器监测数据、维修事件和外源气象数据的船舶综合数据库结构,并通过对外源气象数据和船舶传感器采集气象数据的对比分析,证明了将时空插值方法提取的外源气象数据应用于船舶PHM技术相关研究中是可行的。(2)实船数据环境下船舶主机性能评估方法研究。根据船舶主机监测数据具有以热力参数为主的特点,基于柴油机平均值模型的原理,建立了适用于辨识的主机非线性状态空间模型,使用压气机效率、容积效率、指示热效率和涡轮机效率的map图描述主机性能,并通过拟合柴油机台架试验数据获得了主机的初始性能map图。针对监测数据中存在参数缺失的问题,采用改进的梯度搜索优化辨识算法对状态空间模型中的性能偏移系数和缺失参数进行循环迭代辨识,并定义以状态变量导数为自变量的准则函数,避免了由于数据周期较长在状态空间模型线性化和离散化过程中所带来的误差。最后以某远洋船舶在夏季从高纬度向低纬度航行的典型航段数据为例,对主机性能评估方法进行了验证。结果表明,该评估方法能够实现对缺失运行参数和性能参数的估计,对缺失运行参数估计的平均误差为0.5%~1.5%。通过对比不同工况和不同环境对性能参数的影响,证明了 map图能够覆盖主机正常工作时的各种工况,可客观描述主机性能。(3)船舶主机性能退化过程研究及建模。以目标船某次航行时主机连续运行507h的监测数据为基础,采用性能评估方法获得了该主机的4个性能参数时间序列。通过多元协方差分析将性能参数修正到同一工况下,观察到主机性能参数呈下降趋势和维修事件对性能参数的影响,并分析证明主机性能参数退化量的增量是与工况相关的随机过程。据此建立了基于Wiener过程的主机变速性能退化模型,并构建以自然数为底、工况二次多项式为系数的应力函数,以描述工况对性能参数退化速度的影响。结合蒙特卡洛方法和极大似然估计方法对退化模型的参数进行估计,获得了主机性能退化速度与工况参数的定量关系。结果表明:与基于Wiener过程的线性退化模型相比,变速退化模型能够更准确地描述主机的性能退化过程。(4)船舶主机剩余寿命预测和健康管理方法研究。为解决基于变速性能退化模型的主机剩余寿命预测需要以预测的主机工况参数作为输入的问题,建立了推进系统-船体运动-航行环境的联合数学模型。在主机转速、航线和气象预报信息已知的条件下,该模型能够对航行过程中主机工作的边界条件(空气温度、大气压力和主机功率)进行预测;结合性能评估方法,实现了对主机工况参数的预测。在主机剩余寿命预测的基础上,根据当前营运船舶主机维修工作的特点,分别对船舶在港期间的维修决策方法和在航期间的维修周期优化方法进行了研究,并通过算例对维修周期优化方法进行了验证。结果表明:航期预测误差为3.7%,修正后主机功率的平均预测误差为4.7%,工况参数的预测误差为1.1%~4.8%,性能参数退化量的最大预测误差为4.4%~5.9%;通过对船舶在航期间的涡轮机清洗周期进行优化,整个航航行过程的燃油消耗量降低了 5.9t,涡轮机效率的退化量降低了2.5%,证明了方法的有效性。