船舶柴油机作为船舶的“心脏”,其安全性与可靠性至关重要。由于船舶柴油机的工况环境恶劣且本身结构和系统比较复杂,这导致其发生故障的概率比较高,其中磨损故障所占的比率最高,约37.5%。因此基于摩擦学理论的油液检测技术所得到的信息最能直接反应出系统的运行状态。只有对油液中所蕴涵的信息加以识别和分析才能有效地利用这些信息,实现设备的故障诊断。本文以传统的铁谱技术、光谱技术等油液检测技术为基础,运用支持向量机分别实现基于光谱、直读铁谱和铁谱磨粒的船舶柴油机故障诊断。首先,通过层次分析法确定光谱和铁谱各属性指标的权重排序,筛选出基于油液检测技术的船舶柴油机磨损故障诊断的特征属性指标,建立船舶柴油机基于油液检测技术的故障诊断特征属性指标集。该特征属性指标集使得船舶柴油机的磨损故障诊断更具有针对性。其次,基于船舶柴油机的光谱分析和直读铁谱分析技术,根据特征属性指标集,建立支持向量机多分类机模型,并分别运用了网格搜索法和遗传算法对比不同核函数和优化支持向量机的参数,最终实现船舶柴油机的磨损模式识别；同时结合时间序列分析,建立支持向量机回归机,并同时运用网格搜索法和遗传算法优化了支持向量机参数和筛选了时间序列维数,实现了船舶柴油机基于油液检测技术的磨损趋势的预测。最后,在船舶柴油机的铁谱磨粒分析技术基础上,通过用定量字符代替分析式铁谱诊断表中的定性指标,拓展了原分析式铁谱的属性指标集,并依据此指标集,运用优化了的支持向量机分类机,实现船舶柴油机基于磨粒分析的磨损故障的识别,此外还对识别过程中出现的问题进行了分析。