船舶动力系统作为整个船舶的心脏与动脉，包括主推进装置、辅助供能装置、用于保证船舶安全运行的设备、满足船员正常生活的设备和环境保护设备等。由于船舶动力系统的运行条件苛刻，并具有强烈的时变性，一旦发生故障，往往会造成严重的后果，其安全可靠的运行将直接影响到船舶运行的安全。在船舶动力系统趋于自动化和智能化的背景下，对船舶动力系统进行智能化故障诊断是保证该系统安全可靠运行的重要方法之一，具有重要意义。本文在分析国内外船舶动力系统故障诊断系统的发展现状的基础上，针对目前存在的在线诊断能力薄弱等问题，研究了船舶动力系统智能故障诊断方法。首先采用规则引擎技术，研究了船舶动力系统故障诊断专家系统的推理方式以及诊断规则库的构建，制定了以Drools为推理引擎的专家系统方案。通过对船舶动力系统的主要故障模式进行分析总结，以此为基础构建诊断知识库。为解决专家系统在实施过程中存在的知识获取瓶颈、不完整性信息处理能力较差等问题，进行了数据驱动的故障诊断方法的研究，并通过SOM神经网络构建故障诊断模型来弥补专家系统的不足。同时，为了实现事后诊断向预诊断方式的转变，在故障诊断的基础上，研究了船舶动力系统主要状态参数的趋势预测方法，采取了ARMA模型和小波神经网络模型。在对比两种模型的特点和适用范围的基础上，针对不同的状态参数选取不同的模型进行了趋势预测，可以实现对异常参数变化的提前报警，对船舶动力系统的日常维护具有一定的指导意义。本文以“东海救117”为应用对象，在原有船舶动力系统状态监测系统的基础上，利用该系统采集的船舶动力系统状态参数进行故障诊断。根据对故障诊断方法以及趋势预测技术的研究，对故障诊断系统的功能进行了设计，对其实现方法进行了研究。以Windows操作平台为运行平台，Java为开发语言，利用Eclipse作为开发工具完成了故障诊断专家系统功能的实现，为轮机工作人员对船舶动力系统的维护提供了一种新手段。