目前，由于船舶吨位的不断增加以及柴油机—电力推进船舶的不断涌现，使船舶电站发电机的容量越来越大。由于船舶采用了电力推进技术，由此对船舶发电控制系统提出了更高的要求。在电力推进船舶上，船舶发电机发出的电能不仅要提供给船舶上的各个负载，还要给船舶推进装置提供电能。船舶电力系统的电压必须稳定在一定范围内而不能有大的波动，否则对船舶电气系统的影响是巨大的。船舶发电机励磁系统控制性能的好坏直接影响到电力系统的电压稳定。 大型船舶电力系统是一个高阶强耦合的非线性系统，在采用电力电子变频器调节推进电动机转速之后，更增加了网络谐波和电磁干扰等问题，使系统更加复杂。传统的船舶发电机励磁PID控制器，一旦参数整定计算好后，在整个控制过程中都是固定不变的，而在实际系统中，由于系统状态和参数等发生变化时，过程中会出现状态变化和参数的不确定性，系统很难达到最佳的控制效果。因此，在现代工业过程控制中，采用传统的PID控制器难以获得满意的控制效果。而人工神经网络以其良好的非线性处理能力及优良的容错性能为解决未知不确定非线性系统的建模与控制问题提供了一条新的思路。神经网络是以对信息的分布式存贮和并行处理为基础，它具有自组织、自学习的功能，具有信息的联想记忆功能，在很多方面更接近人对信息的处理方法，它具有模拟人的形象思维的能力，反映了人脑功能的若干基本特性，但它并不是人脑的逼真描述，而只是它的某种抽象、简化和模拟，神经网络控制已在实际中得到应用。 目前由于神经元芯片的出现和快速DSP芯片的广泛应用，使ANN方法用于实时控制方面有了很大的发展。本课题以发电机励磁控制系统为研究对象，首先对船舶发电机相复励控制系统进行了研究与仿真，然后运用BP和CMAC两种ANN方法设计了发电机励磁系统，最终文中给出了BP控制，CMAC控制与传统PID控制的仿真比较结果。ANN控制方法能使发电机在负荷变化、甩负荷运行、电网故障以及发电机故障等各种工况条件下，发电机端电压保持稳定。该论文的支持课题：上海市高等学校科学技术发展基金项目(03IK06)—船舶大功率发电机组的CNN建模与分析。