船舶柴油机活塞烧蚀是一种由于高温高压燃气冲刷及热负荷集中导致的严重燃烧室故障，其引发的活塞表面材料退化不仅会导致局部温度异常升高，还会破坏活塞与气缸界面的密封完整性并加剧燃气漏气现象。针对包括活塞烧蚀在内的燃烧室部件故障诊断难题，相关研究成果发表在期刊《Measurement》上，论文题目为《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines》。该研究提出了热力学仿真辅助随机森林方法，通过构建一维热力学仿真模型获取故障演化规律，并将机理先验知识与机器学习算法相结合，开展了面向活塞烧蚀等燃烧室故障的特征提取、状态辨识与双视角可解释性分析（如图1所示）。
在故障建模阶段，研究首先依据实际柴油机系统结构建立了涵盖进排气管路、中冷器、增压器和各个气缸的一维热力学仿真模型（如图2所示），并利用实船采集的运行数据完成模型参数标定。针对活塞烧蚀故障的物理特性，研究通过微调活塞表面温度分布与漏气质量流量这两个关键参数来实现故障模拟。活塞材料剥落引起的局部导热恶化在模型中体现为活塞壁面边界温度的升高，而密封失效造成的间隙增大则通过设定对应的漏气质量流量进行等效表征，快速复现活塞烧蚀引发的热工状态变化。
通过对标定后的热力学模型进行全工作循环动态仿真，研究提取了缸内压力、缸内温度、活塞壁面热流、气缸盖壁面热流、缸套壁面热流、漏气热流、漏气质量流量、涡轮功率以及增压器前后排气温压等一系列热力学参数的时域曲线（如图3所示）。在活塞烧蚀状态下，漏气量的增加直接导致漏气热流及质量流参数发生显著偏移，同时气缸壁面传热边界条件的改变使得活塞壁面热流出现异常波动，排气系统中的气体温度和压力亦随之产生联动响应，为后续的故障辨识提供了反映活塞损伤机理的多维特征来源。
为了剔除冗余参数并优化分类器结构，该方法引入基于树模型的SHAP特征选择机制（如图4所示）。算法利用随机森林决策路径计算各热力学参数对故障分类的边际贡献值，根据平均贡献权重排序筛选出与活塞烧蚀及其他燃烧室状态高度相关的核心参数子集，主要包括增压器后排气温度、气缸套壁面热流、漏气热流、漏气质量流量、增压器前排气压力与温度、活塞壁面热流以及气缸盖壁面热流。然后，将选定的特征子集作为输入构建随机森林多分类诊断模型，实现对正常状态、活塞烧蚀及其他部件故障的分类判别。
在模型决策的可解释性分析方面，该研究构建了局部与全局相结合的解释框架。在局部样本层面，借助瀑布图定量展示各热力学参数对单一样本判定为活塞烧蚀的正负贡献值，直观呈现活塞壁面热流变化与漏气特征对模型输出的具体推动过程；在全局层面，利用蜂群图与依赖图分析各参数在整体数据集上的取值分布与贡献方向，并计算参数间的交互作用值。该分析验证了模型学习到的特征响应规律与活塞烧蚀导致漏气加剧、热平衡破坏的热力学机理完全契合，使数据驱动的诊断过程具备了较为清晰的物理支撑。
来源文献：
Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines[J]. Measurement, 2025, 251: 117252.
