船舶动力装置有“船舶心脏”之称，是船舶能够完成运输航行等任务的关键设备。汽轮机单机功率大、可靠性高、寿命长、经济性较好、重量轻尺寸小、维护简单，是船舶动力主要的发动机形式之一。但现有控制方法多为常规PID控制，所以为了推进船舶动力系统控制的智能化水平，本文以实际科研项目为课题研究背景，以软计算科学和先进控制策略为基础，针对汽轮机转速控制系统的智能控制，开展了以下研究工作：首先，结合船舶动力系统的运行特点，对船舶汽轮机调速系统的工作机理进行深入研究。按照蒸汽的流动过程，对汽轮机进行模块划分，用模块建模法对船舶汽轮机调速系统进行建模，在简化机理模型的基础上，还考虑了工况变化时参数变化，建立了工况变化的动态汽轮机响应模型。仿真结果表明，汽轮机转速在不同负荷变化下的动态响应符合汽轮机基本运行规律，证明了所建模型的合理性和准确性，为后续的控制方法研究奠定了基础。其次，船舶汽轮机工况经常频繁大幅度变化，导致参数时变，因而现在普遍使用的传统PID控制不能满足日益提高的控制要求。所以，将模糊理论和神经网络的优点相结合，建立了基于T-S模型的模糊神经网络，并给出网络的结构确定方法及网络参数学习方法。为避免网络维数爆炸的问题，用粗糙集对网络结构进行简化，设计了一种基于粗糙集的模糊神经网络控制器，仿真结果表明，此控制策略实现了船舶动力系统的智能控制。再次，由对船舶汽轮机模型的研究可知，其模型具有非线性，且船舶动力装置运行时其参数随工况变化而变化，要求控制策略中考虑模型变化的因素，并要求控制系统快速性好。预测函数控制就是一种应快速过程的需要，基于预测模型的控制方法，这里采用LS-SVM对汽轮机系统进行在线的辨识，做为预测函数控制的预测模型。提出了一种基于LS-SVM的预测函数控制器的设计方法，仿真结果表明，该控制策略可以有效的对船舶汽轮机系统进行控制，实现了对工况变化、负荷扰动等情况的智能控制。最后，船舶汽轮机的运行环境很特殊，是在海洋中。因此船舶航行时存在大量来自外界的不确定扰动，主要来自锅炉和负载的扰动，因而需要汽轮机控制系统具有较强的鲁棒性。所以，针对船舶汽轮机这一特点，考虑在控制器中加入自适应控制项和鲁棒控制项，使被控系统具有较强的鲁棒性，并且将多尺度神经网络引入到船舶汽轮机控制中，保证了网络具有最小规模，减少了计算量。仿真结果表明，该控制策略可以有效的抑制扰动，具有较强的鲁棒性，增强了系统的抗干扰能力。在论文的最后，对全文工作做出总结：本文针对船舶汽轮机调速系统的控制难点，在对其动态模型深入研究的基础上，设计了三种船舶汽轮机控制器，仿真结果比较表明，三种方法都能够实现船舶汽轮机系统智能控制，解决了船舶汽轮机控制中存在的难题。并对未来的课题研究方向进行了展望。