在现代科技发展的推动下,船舶柴油机向着大型、综合及智能的方向转变,这就使得对其操作和维护的要求越来越严格。船舶柴油机作为船舶主要动力来源,当它发生故障时,将直接影响船舶的操纵性能以及设备和人员的安全。因此,对船舶柴油机故障诊断一直是一个研究热点。本文利用AVL-BOOST模拟柴油机的正常工况和故障工况,并利用BP神经网络对柴油机热工故障特征参数进行识别,从而诊断出故障的类型和程度。本文主要工作如下:(1)从柴油机热工过程的角度,对柴油机的工作原理以及各个子模块的数学模型进行了细致的研究。在此基础上,利用AVL-BOOST搭建了四冲程柴油机数值计算的零维模型,对模型的调试过程需要注意的问题进行说明并给出解决方案,并对模型的计算结果与实验测试结果进行对比来验证模型的准确性,计算结果表明,仿真模型在热工参数方面具有很高的准确性,满足本文的研究需要。(2)从柴油机功能和组成这两个角度,分析了柴油机的热工故障的类型,提取了能反映柴油机当前运行状态的特征参数。挑选了几个典型的柴油机热工故障,通过更改模型的相关参数来模拟这几种故障,并从柴油机工作原理的角度对仿真结果的合理性进行分析。结果表明,故障仿真的计算结果在趋势上与实际情况是吻合的。(3)介绍了人工神经网络技术的理论和实现,阐述神经元数学模型的建立,分析神经元转移函数的特性。介绍几种典型的网络模型结构,从数学原理上研究了网络学习规则,在这些理论基础上重点研究BP神经网络及其算法,以及如何采用编程的手段将其实现,为解决本文的模式识别问题提供理论基础。利用故障仿真结果中提取的特征参数,针对本文要解决的模式识别的问题创建合适的网络模型,为了提高网络训练的效率对样本数据进行预处理。选用基于一阶梯度下降和基于数值优化方法这两种方式作为网络的训练算法,总结分析这两种算法的特性及效果。用带有不同程度噪声的测试样本,对最优算法训练出的网络进行测试。结果表明,该网络有很好的分类效果和能力,能准确识别故障的种类及程度。