在船舶制造与研究领域,船舶故障诊断技术对舰船海上安全运行具有至关重要的意义。船舶故障诊断的研究不仅具有理论价值而且能够产生极大的经济效益。在科学技术日新月异的今天,船舶设备日趋大型化、复杂化、高速化和自动化。伴随着相关技术的巨大进步,随着而来的是船舶系统停机和各种故障带来的损失也日益增长。因此,对船舶故障诊断与预测技术的要求越来越高。传统的故障诊断方法已经不能适应现在的情况。在这种趋势下,伴随着人工智能、数据库等技术的进步,船舶故障诊断技术进入到智能化阶段。本文以中国船舶重工集团公司第702研究所的振动噪声数据库项目为背景。该项目开发的意义旨在建立拥有我国自主知识产权,能够作为舰船综合性能设计基础的信息化建设平台。振动噪声数据库采用J2EE开发框架。J2EE框架简化了企业级解决方案的开发、部署和管理等复杂问题。而且也能够为企业级应用提供事务、安全性、持久性和资源管理等服务。所以能够使开发人员专注于该项目的业务逻辑,从而实现振动噪声数据库的快速开发机制。该项目所涉及的数据全部为科学试验数据,最重要的功能就是对这些试验数据进行分析,因此系统中的故障诊断模块是其中最重要的模块。引入现今船舶故障诊断技术发展的热点之一的模糊聚类技术作为该模块的核心算法。本文在研究了众多聚类算法,并且对比了多种聚类算法在船舶故障诊断中的性能差异后,提出了改进方法与思路,经过试验验证行之有效。本文所研究的聚类算法主要包括如下方面:首先,提出基于概率典型性和聚类排斥基础上的一个的新型无噪声模糊聚类方法WRTCM算法,该算法没有采用传统的欧氏度量方法并且引入排斥项,这样可以改变在噪声环境下,采用欧氏度量方法时带来的不稳定而且对于算法的初值、类的形状、大小过于敏感的问题。结合模糊故障诊断方法应用到故障诊断中。其次,除了以上的聚类思路,文中又提出通过Mercer核把原来的数据空间映射到特征空间,并为特征空间的每个向量分配一个动态权值,并同时结合了一种简单有效地决定核参数的方法,从而在经典模糊聚类算法的基础上得到特征空间内的全新的目标函数。