船舶电网是船舶最要的动力网络之一,且随着经济日益发展的需要,更大更复杂电力网络的船舶被建造出来。当船舶在航行过程中一旦发生电力系统故障,轻则局部机械失灵,重则造成整个电力系统瘫痪,甚至还会出现撞船等险情。因此船舶在航行过程中的电力系统是不被允许出现重大的电力故障,如果险情一旦发生,应及时发现并处理故障。而快速修复故障的前提是明确故障种类、故障位置和原因等。本研究采用基于离散型Hopfield神经网络(Discrete Hopfield Neural Network)DHNN进行船舶电网故障诊断。以重庆交通大学航运与船舶工程学院的模拟船舶电站,作为研究的电力系统原型常规电网故障通过观察继电开关的动作情况即可明确故障情况,但是如果发生开关拒动或者继电器故障的情况则很难直观发现故障情况,诊断故障就需要维修人员费时费力进行排查。如果船舶处于特殊情况下时,这种情况甚至会引发事故,因此本研究主要解决对船舶电网故障类型快速识别。将船舶电网常见故障分为三类:常规故障、保护装置拒动故障、组合故障,目的就是对这三类故障进行快速识别。具体思路是采集整个电网开关及保护继电器状态(通为1、断为0)进行编码,然后对故障类型进行归类并根据电路分析法、故障树故障分析法得出对应的开关及继电器的状态,以此作为离散Hopfield神经网络的输入样本。借助离散Hopfield神经网络的联想记忆的特点,当以上三类故障情形再度发生时,诊断系统就能够很好识别出电网出现的故障归属哪一种故障情况,以及时作出应对策略。最后通过对常规故障、开关继电器拒动故障、组合故障做了仿真测试,结果表明离散Hopfield神经网络能够有效识别以上三类故障情况,并应用SQL Server数据库和MATLAB编写了相应的船舶电网故障诊断系统,增加其实用性。