现如今船舶工业发展迅速,无人船舶、智能机舱是未来船舶发展的方向。而实现船舶智能化的前提是如何能够正确地对船舶系统及设备的状态进行感知与判断。但是随着船舶日益复杂化,船舶动力系统也变得愈发复杂,轮机员已经很难再依据自身经验对船舶系统及设备的状态做出准确判断,因此对船舶系统及设备进行状态感知技术研究具有重要意义。本文在分析国内外系统状态感知技术发展现状的基础上,以大连海事大学教学实习船"育鲲"轮为研究对象,建立了其海水冷却系统状态感知模型。首先,对"育鲲"轮海水冷却系统的工作原理、典型故障及其对系统的影响进行了详细分析,并对比常规状态感知体系框架提出了船舶海水冷却系统状态感知体系框架。同时在对故障诊断技术和状态参数预测技术深入研究的基础上,根据船舶海水冷却系统状态参数的特点,选择SOM神经网络和ARMA时间序列算法作为本文的研究方法。其次,建立SOM神经网络故障诊断模型和ARMA时间序列状态参数预测模型;其中在故障诊断模型建立过程中,引入了故障样本集自更新操作以改善模型;随后利用实船"育鲲"轮采集到的船舶冷却系统正常工况下的历史数据,分别对故障诊断模型和状态参数预测模型的有效性进行验证,验证结果表明两个模型是正确且有效的。最后,将SOM神经网络故障诊断模型和ARMA时间序列状态参数预测模型进行融合,建立完整的船舶海水冷却系统状态感知模型,并分别利用正常状态和故障状态下的参数数据对该状态感知模型进行验证,确认该状态感知模型是可行且有效的。