随着大数据时代的到来以及计算机技术的发展,船舶动力系统运行状态的监测朝着自动化、智能化的方向发展。船舶动力系统作为船舶的“心脏”,直接影响到船舶是否能够正常的进行水上航行和安全的作业。由于原有的运行状态分析方法要对复杂的动力系统建立准确模型的难度较高,而基于数据驱动的方法只依靠历史运行数据就可以对动力系统运行状态做出分析和判断,因而引起了广泛研究。本文针对用户对于运行数据多维度、多粒度的复杂查询需求,采用OLAP技术,对动力系统运行数据建模,并设计了相关的事实表和维度表。针对动力系统运行参数种类多样、数据量大(存储装置记录频率高)的特点,保存于存储装置中的二进制文件格式的运行记录不便于查询和管理的问题,本文设计了基于自适应模板的解析算法,实现了数据处理的自动化,并通过多线程的程序设计,采用并行处理提高数据解析导入任务的效率,程序中相关的数据校验以及Hash算法去重也为保存至数据库中的运行记录的可靠性提供了保障。对于重要运行参数的正常波动范围的选定以及冗余测量通道的故障判断,论文采用了SPC统计控制及控制图的方法进行阈值选定,确定了重要运行参数的运行上下限以及冗余测量通道测量值的正常偏差程度。对于动力系统运行工况的分类统计,论文分析了随机森林算法的参数对于分类结果的影响,并采用人工鱼群算法进行参数优化,通过与决策树等算法进行比较,结果表明基于人工鱼群优化的随机森林(AFSA-RF)算法有着良好的性能。对于动力系统运行过程中是否存在异常,论文先采用了基于密度聚类的DBSCAN算法对稳压器设备的运行数据进行聚类分析,再对DBSCAN算法筛选出的离群点采用基于LOF局部异常因子的异常检测算法,检测出运行数据中的异常点,为运行数据异常点的检测提供了一种思路。论文第二、三、四章最后还采用Qt软件设计了数据可视化的分析界面,满足了船舶管理人员对动力系统运行数据进行查询统计的需求。