随着航运与造船业的飞速发展，船舶设备的结构日益复杂，为了保证船舶机舱系统的稳定和可靠，便对船舶的自动化提出了更高的要求，对机舱监控系统的研究便显得非常重要。机舱监控系统可以实时采集并显示机舱中的主、辅机等各种设备的运行状况，船上工作人员能及时查看机舱各部件的运行参数的变化情况。本文介绍了机舱监控系统与故障诊断的发展现状，并选择使用虚拟仪器技术结合模块化设计思想实现了机舱监控与故障诊断系统的整体设计。该系统能完成机舱部件数据采集并显示、实时报警、数据管理、历史参数查询等功能，并结合对采集信号的时域分析进行特征参数的提取以及小波分析的方法对信号进行分析处理，进行故障诊断并对诊断后大量故障数据进行数据融合，为准确的故障诊断奠定基础。最后实现了新陈代谢灰色预测。利用该模型进行故障预测取得不错效果，可以有效的指导船上工作人员定期对机舱部件的维修维护工作。现如今研究较多的基于神经网络的人工智能方法，但该方法在诊断前需要利用大量故障样本对神经网络进行训练，在正常运行状态下数据样本容易获得，但故障样本却难以获得。利用贴近度的模糊模式识别理论可以很好地解决这个问题，在故障诊断的前期没有故障数据时，技术人员在故障报警后检查故障原因并与故障特征值对应，当经过一段时间诊断有故障样本后，利用模糊贴近度模型进行故障诊断。利用模糊贴近度理论可以将实时获得的待诊断的故障数据样本与已诊断的标准故障征兆数据进行模糊贴近度对比，最后得到故障原因，从而更好的对设备进行故障诊断。为了提高船舶机舱设备早期进行故障诊断的有效性与准确性，本文利用模糊贴近度的方法，并利用机舱燃油系统的实验数据指出了传统贴近度的方法在故障诊断方面的不足，并改进了传统模糊贴进度的公式。根据模糊贴近度原理，结合模糊数学隶属度，构建了一种模糊贴近度函数模型。并利用实验数据验证了该模型，实验结果表明，使用改进的模糊贴近度的方法优于传统模糊贴近度的方法，能有效完成燃油系统的故障诊断，可以满足实际船舶故障诊断中的需求。