船舶低温淡水系统作为保障船舶动力装置安全运行的动力系统,一旦发生故障仅依靠轮机员很难及时排除故障。针对支持向量机(support vector machine,SVM)在模式识别方面受自身参数选择影响较大的问题,提出了基于麻雀搜索算法(sparrow search algorithm,SSA)优化支持向量机的故障诊断方法。利用麻雀搜索算法(SSA)优化了支持向量机的惩罚参数和核参数,建立了基于SSA-SVM的船舶低温淡水系统故障诊断模型。结果表明,SSA-SVM诊断模型比传统的支持向量机(SVM)和粒子群算法(particle swarm optimization,PSO)优化的支持向量机诊断模型的准确率分别高28%和5%,且收敛速度更快。SSA-SVM算法对船舶低温淡水系统的常见故障进行有效地诊断,能为轮机设备的健康管理及轮机员的诊断决策提供一定的指导。