光纤光栅传感器是船体结构健康监测系统中的重要传感设备之一,它可以对船体结构应力进行监测,将屈服数据、疲劳数据传送给上位机,从而确保实时航行的安全。由于船舶长期航行于复杂恶劣的环境中,船体经常会受到海浪抨击、海水腐蚀,这会使传感器的性能下降,一旦结构损伤累积到一定程度就会影响货物运输,甚至威胁工作人员生命安全。因此我们有必要对传感器进行故障诊断研究。本文以船体结构健康监测系统为研究对象,把模式识别技术应用在故障诊断和故障预测中,给出了小波包和主元分析相结合的故障特征提取方法,然后分析了支持向量机、随机森林、极限学习机在解决故障识别问题的上的优劣,最后对故障信号进行预测弥合,实现了监测系统的高精度和高可靠性。首先,本文在阅读相关文献和实践分析的基础上,分析了国内外光纤光栅传感器在船舶监测方面的应用现状,介绍故障诊断技术的发展情况、任务及流程。然后对光纤光栅传感技术的适用性及优势进行了详述,分析船舶航行过程中可能出现的故障类型及成因,进行故障模拟实验,提出传感器的故障诊断及预测方法。其次,对船用光纤光栅应变传感器的故障信号特征提取进行了研究,介绍了小波包变换的基本原理及优势,然后分析了小波包变换后特征提取数据,在数据冗余信息较多的情况下,这种提取方式的效果并不明显,继而又用主成分分析对数据进行特征选择和降维,最后提取出可以有效表征故障特性的数据。最后,对故障特征数据进行诊断及预测研究,分别分析了三种常用模式识别方法对光纤光栅应变传感器的分类和预测结果,提出适用于光纤光栅传感器的故障诊断方案。设计了随机森林与支持向量机相结合的算法对光纤光栅传感器进行故障诊断和预测,最后验证了故障检测方法的有效性。