随着现代信息和人工智能技术的发展,船舶系统自动化和智能化管理水平也日益提高。控制船舶系统设备运行,评估及追踪系统健康状态,实现健康管理离不开阈值。阈值作为判断船舶系统设备健康状况的标准,是实现控制、报警及决策的重要基准。船舶系统和设备的工作模式及运行环境复杂多变,其状态参数在整个生命周期内会随着自身退化的内部不确定性以及由负荷、环境和干扰等外部不确定性的变化而变化。传统的固定阈值决策方法已经不适用于智能运维的需求。因此,实现状态参数阈值的自适应更新,对准确地实现船舶系统设备的健康监控具有重要意义。针对上述问题,本文提出了一种数据驱动的自适应阈值方法,主要研究内容如下。首先,论文以船舶柴油机进排气系统为研究对象,通过对柴油机进排气系统结构和工作原理的分析,选定了排气温度作为表征柴油机健康状态的监测指标,实现其自适应阈值的计算。系统设备组件之间相互影响、相互依赖,且系统状态参数众多,在建模之前,需要先对排气温度相关的状态参数进行筛选,并通过对系统的不确定性分析指导阈值设定方法的选择,为下文自适应阈值计算奠定理论基础。然后,利用相关向量机（Relevance Vector Machine,RVM）方法构建重构模型,实现状态参数的预测,结合Johnson正态转换实现阈值的计算。采用自适应滑动窗口方法使训练样本动态改变并实现状态参数的连续重构。建模之前,采用数据插补、异常过滤、去噪处理等方法来确保数据的准确可靠。利用相关性分析实现与排气温度相关性强的状态参数的选择。最后,以实船柴油机排气温度为例,先选取正常运行中的状态参数,按上述步骤进行自适应阈值的详细计算,得到了正常情况下的自适应阈值,证明了本文自适应阈值方法的可行性。再选取两段不同异常运行情况下的状态参数,对自适应阈值的状态监测和故障预警功能进行分析,结果表明,利用本文方法计算的自适应阈值结果带宽更紧凑,更为准确地反应了柴油机进排气系统的实际运行状态。相较于传统的固定阈值方法,在两种异常情况下分别提前167和108分钟实现了故障预警。在对同种异常情况下的两种不同阈值方法的对比分析中,本文方法分别提前103和72分钟发出预警信号,证明了该方法的优越性。相比于传统的固定阈值和统计方法需要大量历史和测试数据的支持,本文方法利用实时测量数据进行计算,更有利于船舶的实际应用。自适应阈值方法使阈值带宽更为紧凑,增强了船舶系统设备状态参数阈值的科学性和准确性,有利于优化故障预警的性能,提高状态监测的精度,可以作为状态监测和故障诊断的辅助决策标准,为健康状态评估和剩余寿命预测提供了初步判断依据,对实现船舶智能运维具有重要意义。