航运是国际主流的运输方式,柴油机是船舶的主要动力来源。柴油机燃油喷射系统作为船用柴油机重要组成部分,有必要对它的故障诊断技术进行深入研究。目前已应用的柴油机燃油喷射系统故障诊断方法往往存在缺陷和不足。例如油液分析法仅能判断使用润滑油的部件的相关故障、振动分析法信号采集困难、瞬时转速监测法只能确定故障位置但无法判断故障原因。神经网络拥有强大的并行计算能力,可以将输入向量迅速传递至神经元中进行计算和学习,其网络结构适用于解决线性空间至非线性空间的映射问题,在机械故障诊断方面表现优异。因此,本文采用将自适应遗传算法和神经网络结合的方法对柴油机燃油喷射系统进行故障诊断。在网络模型的选取方面,BP神经网络是一种多层前向模型学习算法,在结构上较为松散,有着诊断不精确、容易陷入局部极值的缺点。Elman神经网络作为一种局部回归神经网络,引入了负反馈机制,网络结构更加完整,诊断精度和速度比BP神经网络均有提高。同时,通过改进Elman神经网络的学习算法、激励函数和网络结构提高了Elman神经网络动态信息处理能力。结果表明,改进型Elman神经网络适用于在线诊断,整体诊断效果比BP神经网络更好。对遗传算法(GA)进行了详细研究,考虑到遗传算法容易陷入局部极值和鲁棒性差的缺点,提出了一种自适应遗传算法,对选择算子、变异算子和交叉算子进行了改进,有效避免了算法陷入局部最小值。利用个体适应度自适应调节遗传算法中的算子,将参数优化结果作为神经网络中的初始权值和阈值,提高了 Elman神经网络的诊断精度,避免了陷入局部最小值的情况。采用大连海事大学轮机模拟器主机系统中的VLCC型船舶进行参数提取,针对实验数据较多的情况,利用平均影响值法(MIV)剔除部分对网络输出影响较小的参数,减少了神经网络输入量,并在MATLAB环境下对船舶柴油机燃油喷射系统进行了故障仿真实验。对比三种神经网络在相同故障数据下对故障类型的辨识结果,从隶属度和诊断结果两方面对结果评价。仿真实验的结果表明:经过改进遗传算法优化的Elman神经网络诊断精度高,收敛速度快,可以有效诊断柴油机燃油喷射系统典型故障。