故障诊断无论在生产安全还是在国民经济当中无疑具有重要的意义。针对小波网络精度高，学习速度快的特点，在学习过程中，我们产生了将小波网络应用于故障诊断的想法。最终的实验证明，小波神经网络能够很好的进行故障的分类诊断并且具有较快的收敛速度。 本文在目前常用的一维小波网络(经典的小波神经网络)的基础上，推导出两种结构的小波神经网络，并将其应用于故障诊断。主要是基于小波网络学习收敛数度较快，对网络的输入不太敏感，以及小波神经网络可以有效的进行函数逼近或者信号逼近的特点。 传统的前馈神经网络多采用误差反传学习算法对网络进行训练，但是误差反传学习算法具有容易陷入局部极小值，收敛速度慢以及容易导致震荡等缺点。针对这些缺点，本文为两种结构的小波神经网络设计了一种改进的误差反传学习算法，我们对传统的误差反传学习算法进行了两点改进，一是采用基于梯度符号变化的局部学习率自适应算法，二是引入了动量项的方法。对比的实验结果表明，我们使用改进的误差反传算法训练小波神经网络，有效的加速算法的收敛速度和有效的避免算法陷入局部极小值，避免了震荡的出现，最终取得了良好的实验结果。 本文把两种结构的小波神经网络分别应用于船舶的主柴油机的冷却系统的故障诊断当中，并给出了对冷却系统的组合故障的诊断结果。与传统的BP网络进：行了对比，对比实验表明小波网络的收敛速度有很大的提高。