船舶柴油机气缸套磨损通常由空气过滤失效或密封界面退化导致颗粒污染物侵入引起，会造成气缸内径局部增大、密封失效以及窜气泄漏加剧。针对包括气缸套磨损在内的燃烧室部件故障样本匮乏与机理黑盒问题，学术论文《Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines》提出了一种热力学仿真辅助随机森林（TSRF）的可解释故障诊断方法。该方法以一维热力学机理模型重现气缸套磨损等典型故障特征，提取关键热力学监测指标作为先验知识，结合特征归因算法为气缸套磨损状态的识别与决策机制提供物理层面的诊断解释。
在热力学建模阶段，研究建立了涵盖进排气管路、中冷器、涡轮增压器及多气缸系统的柴油机一维热力学系统模型，并利用实船数据采集模块的历史稳态运行数据完成基础模型校准。针对气缸套磨损故障的物理形成机理，模型通过微调气缸内径尺寸及窜气质量流量参数进行数值再现，模拟磨料磨损造成的几何形变以及活塞与缸套密封面受损引发的气体泄漏通道扩大。通过参数微调替代复杂的微观材料耗损演化，使模型能够在保证机理合理性的同时，快速响应并输出气缸套磨损状态下的系统动态热力学响应。
基于建立的热力学仿真系统，模型采集了包含缸内压力、缸内温度、缸套壁面热流、窜气热流、窜气质量流量以及增压器前后排气温压在内的多维热力学参数，覆盖了气缸套磨损及其他对比状态下的完整工作循环。气缸套磨损状态下，窜气流动的改变直接作用于缸套壁面热传递过程和排气系统的热力学状态，呈现出不同于常规状态的曲轴转角分布曲线。仿真提取的连续型热力学参数序列经过离散化和归一化处理，消除了不同物理量纲和数值范围的权重偏差，构建起用于辨识气缸套磨损的标准化样本数据集。
为了降低气缸套磨损辨识过程中的监测冗余并提取最灵敏的物理指标，该方法引入基于树模型的SHAP算法开展热力学参数筛选。算法利用决策树的判定路径计算各热力学参数在状态区分中的边际贡献量与平均夏普利值，定量评估参数对气缸套磨损等不同状态判别的贡献权重与正负向作用。根据参数贡献度排序，模型从原始热力学参数集中筛选出增压器后排气温度、气缸套壁面热流、窜气热流、窜气质量流量、增压器前排气温压以及活塞和气缸盖壁面热流等核心参数，精简了表征气缸套磨损特性的特征输入子集。
在分类与可解释分析阶段，经过参数筛选的核心热力学特征被输入到随机森林模型中进行状态识别，并通过结合热力学机理的双尺度SHAP分析揭示气缸套磨损的决策逻辑。在局部样本层面，瀑布图展示了单次诊断中各物理参数对判定气缸套相关磨损的推动或抑制作用；在全局层面，蜂群图、特征交互图与依赖图清晰呈现了缸套壁面热流、窜气流量与排气参数之间的正负相关性及耦合规律。这种结合一维热力学仿真先验机理与可解释机器学习特征归因的方法，使气缸套磨损故障的诊断过程由纯数据驱动转化为具备物理因果逻辑的决策输出。
参考文献：
Thermodynamic simulation-assisted random forest: Towards explainable fault diagnosis of combustion chamber components of marine diesel engines[J]. Measurement, 2025, 251: 117252.
