船舶发电机是船舶电力系统的核心组成部件,它的工作正常与否直接决定着整个船舶能否正常运行,因此,一旦它发生故障,必须尽快维修并使其恢复,以保证船舶的正常运行。否则,就会造成巨大的经济损失,严重的甚至还有可能造成船舶受损,因而危及船上人员安全。所以,船舶发电机的故障诊断系统研究,具有十分重要的意义。通过对船舶发电机故障诊断技术的分析和研究,根据国内外当前船舶发电机故障诊断技术的现状与发展趋势,本文针对船舶发电机的常见故障之一,即转子偏心故障的诊断技术加以深入探讨和研究。以蚁群神经网络算法为故障诊断技术,采用定子电流检测方法,构成基于蚁群神经网络的船舶发电机转子偏心故障在线诊断系统,实现对船舶发电机转子偏心故障的在线诊断。论文首先从船舶发电机结构、工作原理以及常见故障分析入手,重点分析了船舶发电机转子偏心故障时发电机的特性,结合定子电流频谱图给出船舶发电机在转子偏心故障时相应的特征频率和特征幅值,揭示出船舶发电机转子偏心故障与特征频率之间的内在联系。其次,通过分析比较和研究,在传统神经网络故障诊断应用基础上,针对BP神经网络在故障诊断应用中的不足,考虑到蚁群智能优化算法具有很好鲁棒性、全局寻优、易于与其他方法相结合等优点,选择蚁群神经网络算法应用到船舶发电机转子偏心故障诊断中,构建了船舶发电机转子偏心故障诊断系统所需的蚁群神经网络结构。通过提交大量样本数据对蚁群神经网络进行训练,再把训练好的蚁群神经网络应用于船舶发电机转子偏心故障的诊断中,通过大量的仿真研究,将最终的结果与BP神经网络在故障诊断的结果相比较,无论在训练速度、诊断精度上,得到了更好的诊断效果。由此说明蚁群神经网络算法在船舶发电机智能故障诊断系统中具有一定的正确性和较好的容错性,是一种行之有效的诊断方法。很好地实现了船舶发电机转子偏心故障的在线检测和诊断。最后基于蚁群神经网络故障诊断算法,通过C++与Matlab混合编程设计开发了船舶发电机智能故障诊断子系统。此系统能够较好的实现船舶发电机转子偏心故障的在线诊断与分析。