几十年来，船运事业不断发展，船舶是船运的主要运输载体，柴油机作为整个船舶的动力装置，在船舶中占绝对重要的位置，其工作状态直接关系到船舶的安全航行，因此，对船舶柴油机故障诊断系统的研究尤为重要。本文通过对现有故障诊断技术的研究，提出了一种基于神经网络的智能故障诊断法，首先对BP和RBF两种网络进行了比较分析，并在MATLAB环境下进行了柴油机故障诊断仿真实验，结果表明BP神经网络在故障诊断时存在收敛速度慢、精度低、易陷入局部最小值等问题，径向基函数神经网络在逼近能力、分类能力和学习速度等方面均优于BP网络，但网络的泛化能力还有待改进，中心向量和宽度参数的选取对网络性能有较大的影响。其次本文对遗传算法以及在神经网络中的应用作了简要介绍，由于标准遗传算法容易出现早熟、稳定性不佳等问题，针对这些不足，本文提出了一种有针对性的改进方法，引入了一种根据群体个体适应度自适应改变交叉和变换概率的遗传算法来优化RBF的中心向量和宽度参数，并加入布尔向量来优化网络隐层节点数，提高网络的故障识别能力和诊断精度。接着在MATLAB环境下针对船舶柴油机燃油系统进行了故障诊断仿真实验，结果表明自适应遗传RBF网络的性能得到明显改善，运用于船舶柴油机故障诊断系统，预测故障效果较好，在诊断速度、收敛效果、诊断精度以及网络稳定性能等方面表现最佳。最后，利用LabVIEW和MATLAB混合编程技术，将LabVIEW良好的界面设计与MATLAB强大的数学运算相结合，实现了两种软件的互补，开发了一套船舶柴油机故障诊断系统，具有良好的故障诊断效果和实用价值。