现代工业过程正不断朝着大型化、复杂化的方向发展，为了保障这类工业系统的安全性和可靠性，容错控制理论逐步发展起来，并成为现代控制理论中的一个重要研究课题。容错控制的目的是当系统的某些部件发生故障时，在适当降低系统某些性能指标的前提下，控制整个系统维持其基本的稳定性或更进一步达到一定的性能指标。它可以使一个动态系统适应其环境的显著变化，避免因系统中的一个或多个较关键部件的失效而对整个系统的稳定性及其它性能带来负面的影响。 经过近三十年的发展，传统的容错控制方法渐渐显现出较大的局限性，它依赖于数学模型，对非线性系统缺乏一般性的分析方法。为此，以人工智能为基础的智能容错控制方法慢慢发展起来。智能容错控制弥补了传统容错控制技术的诸多不足，可以比较理想的处理模型不确定性以及非线性系统容错控制等问题。 本文就是在这样的研究背景下，运用集成智能技术，提出一种基于混合神经网络的容错控制方法，并应用于船舶控制系统。文中详细地分析了系统结构以及各子系统的实现方法。主要研究内容包括： (1)提出了一种新的基于混合神经网络的容错控制系统框架结构，针对传感器和执行器两类故障，应用多种类型神经网络实现系统的故障检测与容错控制。 (2)研究基于分层信息融合方法的故障检测技术。将故障检测分为两步完成，首先运用本文提出的基于决策距离模糊推理的多传感器数据融合方法进行局部信息融合，保证征兆变量的可靠性。然后采用模糊神经网络进行全局信息融合，对系统故障进行检测。 (3)初步探讨了控制系统在反馈信号传感器故障情况下的容错控制问题，提出了一种输出递归反馈神经网络用于系统状态估计。当反馈信号传感器发生故障时，该网络可以对失效传感器的检测数据做出实时估计并反馈信号，从而达到对传感器故障容错的目的。 （4）研究控制系统在执行器故障模式下的自适应控制问题。文中采用自适应模糊神经网络作为控制器。当系统执行器出现故障但还没有完全失效时，自适应模糊神经网络控制器可以在线自动修正网络权值，调整控制规则，适应故障模式下的系统，使系统具有和正常时相近的性能。 （5）将集成智能容错系统应用于船舶控制，并进行仿真试验。