本论文对优化算法在船舶柴油机智能故障诊断上的应用做了深入研究,所优化的智能故障诊断系统采用的是模糊神经网络系统。船舶柴油机是一个复杂的系统,是整个船舶动力的源泉,其正常运行对于保证船舶工作的安全性具有举足轻重的意义。由于它涉及机械、热力、信号检测、安全保护、控制等许多领域,并且其工作状态与燃油、增压、燃烧、冷却、润滑等一系列子系统密切相关,所以其故障诊断问题需要从各个不同的角度进行综合研究,是一个具有多故障属性的系统。论文首先介绍了船舶柴油机故障理论与故障诊断过程,给出了研究的船舶柴油机故障诊断特征参量介绍。其次,近年来先进的故障诊断技术迅猛发展,特别是多种基于智能故障诊断的方法和技术,为解决复杂系统的故障诊断提供了有力的保障。在智能故障诊断中,对故障征兆向量到故障向量的连续映射过程,将模糊逻辑系统与人工神经网络相互结合形成的模糊神经网络(FNN)既有模糊逻辑系统有效利用模糊信息的优点,又有神经网络并行处理,高度自组织自学习信息的特点,克服单一系统的不足,能够更好的适应于智能故障诊断系统。论文将模糊神经网络智能故障诊断系统应用针对船舶柴油机并进行了仿真研究。最后,论文首次针对船舶柴油机故障诊断系统将遗传算法和蚁群算法与模糊神经网络智能故障诊断方法相结合,对其参数进行优化训练,通过对船舶柴油机智能故障诊断系统的仿真研究,与基于BP算法学习的模糊神经网络相比较,得到了更为准确的故障诊断结果,并提高了智能故障诊断系统的泛化能力,克服了BP算法的不足,具有收敛速度快的特点,避免了网络训练陷入局部极值的弊端。表明了本论文研究工作的可行性和有效性。