海事船舶承担特定水域内船舶航行安全、污染防治、巡航执法等重要任务。对海事船舶设备故障进行实时可靠的诊断是海事船舶安全航行、任务顺利完成的重要保障。本文针对海事船舶故障诊断过程中存在的问题,设计了船舶故障诊断系统的总体框架,深入研究了系统中的数据清洗及RBF神经网络实时故障诊断等关键技术,并对系统中关键技术进行了实现。分析了海事船舶故障诊断系统的需求,设计了系统总体框架,阐述了系统关键技术,给出了系统中主要功能模块处理流程。针对海事船舶设备状态数据采集过程中产生的数据缺失问题,提出一种基于改进K近邻方法的数据填补算法。对传统K近邻算法中用欧式距离表示数据对象间相似性的不足,提出采用改进的灰色关联度表征数据对象间的相似性,对缺失数据进行填补提高了数据填补的准确性。针对海事船舶传统故障诊断方法适用性不广、准确度不高等问题,提出一种基于改进RBF神经网络的设备故障诊断算法。运用基于反向学习和自适应搜索策略结合的改进人工蜂群算法,对RBF神经网络隐含层中心值和中心宽度的确定进行参数寻优,构造性能良好的故障诊断分类器。实验结果表明,该方法有效提高了船舶设备故障诊断的准确性和适用性,满足海事船舶设备故障诊断的实时性能要求。本文介绍了船舶故障诊断系统的应用背景,以海事船舶故障诊断关键技术为基础,给出了船舶设备故障实时诊断等功能的系统实现,已初步应用到船舶故障诊断系统中,取得了良好的效果。