为了模拟船舶航行过程中轴系的运转状态,很多高校都建立了轴系实验平台,实验平台一般由台架、工控机监控系统组成。但是目前大多的实验平台都存在如下问题:一、采用工控机实时监测数据,数据记录在试验台旁的工控机上,没有实现远程监测功能,这不符合远程监测趋势。二、记录的数据一般都是传感器采集的原始数据,而传感器在采集过程中会受到各种干扰,因此,采集的数据中是带有一定噪声的,这也就造成在实时监测过程中数据显示不平滑,且数据研究人员每次获取数据后都要进行去噪处理,这就浪费研究人员时间。三、考虑目前逐渐发展的船舶智能机舱,一般要求能够实时预测设备运转状态,提前报告机械可能出现的故障,而现有的轴系实验平台预测并没有这一功能。为了解决这三个问题,本文围绕远程监测、去噪、实时预测三个方面展开了以下研究:(1)针对本文涉及到的轴系实验平台现有软件不能进行远程监测问题,进行了远程监测实验平台的总体设计。设计部分重点阐述了数据解析、存储方案、以及实时显示和历史数据显示、下载的实现细节,最终实现基于ASP.NET MVC框架的远程监测平台。(2)针对轴系实验平台监测的历史数据中的噪声问题,采用小波变换方法进行去噪。由于小波变换去噪方法中小波基的选择、分解尺度和阀值函数的选择不同会对去噪效果产生较大较大影响,因此,本文针对轴系实验平台的轴功率监测数据,根据Hubert’sΓ指数拐点理论,确定最佳分解尺度为3,对监测数据使用比较常用的8个小波基和软、硬阀值函数分别进行去噪,结果表明,最佳的参数为:coif2小波基和软阀值函数。(3)介绍了支持向量机的相关理论,并针对轴系试验台轴功率的实时预测问题,本文提出基于小波和支持向量回归结合的实时预测方法。由于支持向量回归训练中,参数的选择对模型预测结果有很大影响,本文采用网格法和交叉验证法进行支持向量回归参数寻优,通过预测评价指标确定最优的支持向量回归参数为g为0.0039781、C为4.89842,并根据预测的结果,证实该方法的可行性。为了说明该方法的优势,将该方法与灰色预测方法进行对比,结果表明,该方法的预测效果更好。