涡轮增压器作为船舶柴油机的关键系统之一,在保证柴油机持续稳定的提供船舶航行所需的动力、减少尾气排放对环境的影响等方面发挥着重要作用。船机废气涡轮增压器的系统复杂,工作环境恶劣,导致其工作过程中容易发生故障,为避免发生严重事故,需要运用故障诊断技术及时追踪它的工作状态并对其进行健康评估。然而,目前我国对船机涡轮增压器的故障诊断仍未引起足够的重视,大多情况下仍采用“事后诊断”的方式,故障诊断的方法落后,效率低,在分析故障现象和故障原因以及运行特征参数和故障类型的非线性对应关系时,现有的理论很难满足实际诊断需求。因此,需要在现有的故障诊断理论和技术的基础上,采用新的方法以获得一个能够解决实际问题的诊断模型。对此,本文提出了一种将人工神经网络技术和专家系统方法应用到船机废气涡轮增压器故障诊断的模型。并针对重庆某增压器厂的实际需求,设计并开发了一套集涡轮增压器产品的故障诊断和售后运行维护于一体的管理信息系统,提高了船机涡轮增压器产品故障诊断水平和效率以及该公司的售后服务质量。首先介绍了船机涡轮增压器的结构和工作原理,重点分析了最主要的几类故障,包括故障的现象、特征、原因和维修建议等,并在此基础上总结了船机涡轮增压器故障的特点,介绍了本文开发的船机涡轮增压器故障诊断和售后运行维护系统的总体结构和两个主要业务即故障诊断和售后运行维护的运行模式。然后分别研究了基于故障树专家系统的船机涡轮增压器故障诊断的方法和基于人工神经网络的船机涡轮增压器故障诊断方法。分别采用BP神经网络和基于遗传算法改进的BP神经网络的船机增压器故障诊断的模型,包括模型的结构和原理、设计过程、应用分析等方面。最后建立了产品的故障数据库并完成系统的设计与开发。本系统实现了基础数据管理、故障数据管理、故障预测和诊断、售后维修管理等基本功能。该系统集成了本文所介绍的船机涡轮增压器的故障数据库、基于故障树专家系统故障诊断的方法和基于人工神经网络的故障诊断方法,提高了增压器产品的故障诊断能力和售后运行服务的水平,并在实际应用中取得了良好的效果。