柴油主机的建模方法一般有线性化法、容积法和准稳态法等，这些方法都是基于柴油主机的数学模型。但由于船舶柴油主机系统的复杂性，许多现象(如柴油机的供油过程、柴油机的机械效率等)尚无法用数学模型来描述，因为数学模型还不能处理过程现象中的模糊信息，而柴油主机动态过程中却大量存在这种模糊信息。因此，有必要建立柴油主机的智能模型，以处理这些模糊信息，使主机得到更加有效的控制。 神经网络本质上是非线性系统、具有高度并行的结构、某些网络可以硬件实现、具有学习和自适应性，可以同时处理定性、定量的数据和多变量系统等。 传统的PID控制系统要想实时地进行其参数(Kp、Ki、Kd)的在线整定是相当困难的。通常PID调节器的参数整定方法是根据控制船舶实际参数，计算出Kp、Ki、Kd初值，然后对控制对象进行调试，修改上述三个参数，以达到控制的目的。这种方法调试困难，且只能根据当时的工况选择出1-2组较优参数，难以实现控制对象全工作域的最佳控制。 如何实现PID参数的在线整定，将模糊控制与PID控制相结合，是目前这方面研究的主要方向。根据参数的动态变化，用模糊参数来表征Kp、Ki、Kd，可得到一种新的模糊PID控制器。 本文结合船舶主机控制仿真系统及智能控制研究工作，主要完成了以下内容： ● 对多层前向网络RBF神经网络及学习算法进行了深刻的研究，提出 一种基于RBF神经网络的主机建模方案，给出了这种智能建模的结 构，并对其仿真结果进行了详细的讨论。.对PID调速器的原理进行了论证，并探讨了其存在的参数适应能力 弱，鲁棒性差等特性，同时提出了对其改进的必要性，可能性及其方 法。.对模糊控制原理、算法及特性进行了探讨，详细介绍了其广泛的适 应性及蕴涵的应用前景，并提出了基于模糊控制的PID参数自整定 速度调节方案，并对其仿真结果和常规的PID调速器进行了比较， 论证了其优良的可行性。