船舶传动轴系统属于船舶动力装置中极为重要的组成部分,传动轴的平稳安全地运行,对船舶的安全航行和船上人员的安全起到关键影响,所以,开展传动轴系统故障诊断研究,对船舶安全航行而言具有重要的实际价值。传动轴在运行期间产生振动会反映船舶的故障情况,通过对轴系的振动研究,采集足够准确的数据进行分析,用机器学习的方式鉴别轴系的工作状态,诊断船舶轴系的各种故障,主要工作以下几个方面:首先,对需要运用到的相关理论进行分析,阐述基于机器学习振动故障诊断的理论基础。其次,实现船舶故障数据采集及预处理。通过船舶传动轴系模拟实验仿真平台,开展船舶传动轴信号采集和存储研究,利用Lab VIEW平台和MySQL数据库完成数据的采集,对所采集的数据开展数字信号分析,进而验证数据的准确性。然后,建立故障特征向量提取模型。原始故障数据经过优选小波包WT换变处理后提取特征向量,通过LDA降维算法来达到特征样本降维的目的,运用分类器对特征提取过程进行验证。再次,开展BP神经网络和SVM支持向量机算法在故障诊断中的对比研究,为优化并提高船舶传动轴系故障诊断效率,提出了改进的人工蜂群优化支持向量机IABC-SVM算法的故障诊断方法。最后,开展人工蜂群优化支持向量机IABC-SVM算法在船舶轴系故障诊断的研究。在传统人工蜂群算法优化支持向量机ABC-SVM的方法提出改进方案,即在传统的人工蜂群算法的搜索公式中引入全局搜索因子策略,解决SVM支持向量机算法惩罚因子C和核函数参数σ选取难的问题,通过对比实验验证人工蜂群优化支持向量机IABC-SVM算法的有效性。