船用核动力装置结构复杂，对安全性要求较高，为保障其安全可靠的运行，研究出能够对船用核动力装置的故障进行适时诊断的系统就显得十分必要。目前，故障诊断技术发展较快，而对于船用核动力装置的故障诊断从公开发表的论文来看对这方面的研究不是很多。本文将数据融合的思想引入船用核动力装置的故障诊断，采用神经网络与D-S证据理论相结合的方法，以WINDOWS98为平台、VB6.0为工具开发了船用核动力装置的数据融合诊断系统。 在深入研究船用核动力装置故障机理、现象等的基础上，分别在饱和汽轮机试验台架和潜艇模拟机上进行了故障设置及诊断。主要选择了几种常见故障进行测试，通过对测试结果的分析表明，该诊断系统能够及时准确的诊断出所设置的故障，且诊断精度较高。该诊断系统具有学习功能，在实际应用中具有可扩充性。因此本诊断系统能够满足对安全性要求较高的复杂系统如船用核动力装置的在线实时故障诊断，具有很重要的实用价值。