随着研制自动化与智能化船舶成为船舶领域发展的一个主流趋势,研究如何将更多科学的故障诊断算法应用于船舶内部系统已经成为当下的一个热门话题。船舶压载水系统作为管理船舶吃水和平衡的重要辅助系统,其空间跨度较大,包含设备较多,所处环境容易引发系统故障,进而引发船体的变形及振动。为了保证能够快速、准确地诊断压载水系统的故障类型,本文以大连海事大学研制的某集装箱船轮机模拟器中压载水系统为研究对象,分析系统的主要工作过程,总结系统的常见故障特点,提出了基于改进深度置信网络的压载水系统故障诊断方法。本文对压载水系统的主要组成、工作过程以及故障特征进行分析与总结,针对压载水系统常见的4种故障,设置数据监测点来采集系统故障时的样本数据。之后为了设计该故障诊断方法,分别研究了深度置信网络、D-S证据理论以及主成分分析法的基本原理和具体流程。首先深入研究了基于深度置信网络的故障诊断方法,发现其针对压载水系统的故障诊断准确率不高,因此引入D-S证据理论对其进行改进。D-S证据理论的合成与决策规则能够解决深度置信网络缺乏不确定性表达的问题,同时使用深度置信网络提取的特征来计算的基本信度分配值,相较于传统的专家经验法来说增加了客观性。考虑到压载水系统在工作状态时,需要采集的状态变量较多并且数据之间通常具有一定的相关性,为了进一步提高故障诊断的效率与准确率,本文提出使用主成分分析法优先对采集的样本数据进行故障识别与降维,再将降维后的数据输入D-S证据理论改进后的深度置信网络中。通过应用上述算法,搭建了针对船舶压载水系统的故障识别与诊断模型,模型的基本结构如下。首先利用主成分分析法对采集到的原始样本进行故障识别以及数据降维,去除样本中的冗余信息,之后将降维后的数据分别输入4个深度置信网络中,最后利用D-S证据理论的融合规则与决策规则进一步优化故障诊断的结果。将采集到的数据输入该故障诊断模型,使用MATLAB进行仿真验证,证明本文设计的故障诊断方法成功对压载水系统的故障状态进行识别和诊断,且具有较高的效率和准确率。