气缸盖开裂是船用柴油机在恶劣热机械载荷环境下常见的结构性失效形式，其裂纹的萌生与扩展会破坏局部结构完整性并严重阻碍热量散失，甚至诱发局部热失控。针对这一典型故障，论文《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines》提出了一种融合机理先验知识的热力学模拟辅助随机森林（TSRF）故障诊断方法。该方法结合了一维热力学仿真建模、特征参数筛选与集成学习分类算法，并通过可解释性分析框架将数据驱动的分类逻辑与燃烧室组件的物理失效机理相对应。
在热力学系统建模阶段，基于柴油机系统边界、进排气支管、中冷器、六个气缸及涡轮增压器等几何与流体结构构建一维热力学机理模型，并在进排气关键管路设置热工状态监测点。通过船载数据采集模块对实船运行的多源时序传感器数据进行滑动窗口降噪与预处理，用于校准标定名义运行工况下的系统仿真参数，确保基准模型能够准确复现发动机在各运行周期的热工动态特征。
在故障模拟阶段，根据气缸盖开裂的失效机理，通过微调气缸盖内表面温度参数来表征裂纹形成后热阻增加引起的局部散热恶化状态。将参数微调引入热力学模型后进行工况仿真，提取出涵盖缸内压力、缸内温度、活塞壁面热流、缸盖壁面热流、缸套壁面热流、漏气热流与质量流量、涡轮功率以及增压器前后进排气压力与温度等一系列反映燃烧室热力状态的时序参数曲线。
在参数筛选与诊断建模阶段，对连续型热力学参数进行区间划分与离散化处理，并将其输入初始构建的随机森林决策树群中。通过Tree SHAP算法沿树结构决策路径递归计算各热工参数对预测结果的边际贡献度，依据平均SHAP值对特征重要性进行排序，剔除低相关性冗余参数，保留包含缸盖壁面热流、增压器排气温度及相关热流在内的核心特征子集，重构输入数据集并用于随机森林故障分类。
在模型决策机制解释阶段，利用瀑布图与蜂巢图开展局部样本与全局状态的可解释性分析。借助SHAP值及其交互效应的可视化呈现，将模型输出层面的正负贡献特征与一维热力学模型输出的物理量变化规律进行交叉验证，阐明缸盖开裂引起的表面散热受阻、热流异常分布以及排气热力学状态波动对分类决策的影响路径，使分类器从黑盒决策转化为符合热工物理机制的相对更加透明的诊断。
来源文献：
C. Luo, M. Zhao, X. Fu, S. Zhong, S. Fu, K. Zhang, X. Yu. Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines[J]. Measurement, 2025, 251: 117252.
