船舶动力装置是船舶运行的保障，快速解决船舶动力装置故障对船舶运行意义重大。船舶动力装置中存在着众多的机电设备，这些机电设备在运行中会出现各种各样的故障，故障类型繁多，设备维护人员的工作繁重，而且许多故障需要经验丰富的故障诊断专家来提出维修方案，因此设备故障的诊断和维护是一项繁重的任务，故障诊断的效率高低又直接影响船舶的运行。 专家系统在故障诊断领域得到广泛的应用，专家系统具有许多优点，能利用专家的知识进行启发式推理，能够解释其推理过程，并能够不断地、灵活地增加新的知识。但专家系统也存在明显的缺陷：获取知识能力差、效率低、范围窄。可以说专家系统长于逻辑思维缺乏形象思维。而神经网络具有并行处理、联想记忆、分布式存储、鲁棒性强等特点，它具有较强的自组织、自适应和自学习能力。神经网络长于形象思维缺乏逻辑思维。而基于二者相结合的混合型专家系统将神经网络技术和符号处理技术有机结合，可以大大提高系统的效率和功能。 本论文对混合型专家的理论和实现方法进行研究，详细地讨论了知识库规则的构造、管理，对BP算法、径向基神经网络RBF算法作了深入的探讨和分析，并以船舶动力装置故障诊断为对象实现混合型专家系统在其上的应用。 本混合型专家系统基于Windows平台，选用 Visual C++作为开发工具，Microsoft SQL Server 7.0作为数据库平台，利用产生式规则和径向基神经网络RBF算法进行分类和推理，系统可分为四大模块： （1）数据管理模块 数据管理模块主要包括设备测量参数数据录入、删除查询报表 等功能。 （2）知识库模块 知识库模块主要包括知识库规则的添加、删除、一致性维护及 完整性维护等功能。 （3）RBF网络分类学习模块 RBF网络分类学习模块包括RBF网络的学习算法、组合网络分 类器的学习过程以及组合网络分类器的识别过程等三个部分。 混合型专家系统在船舶动力装置故障诊断中的应用研究 （4）推理机模块 推理机模块包括正向、反向推理算法，冲突消解策略的实现。 与以往的单纯采用产生式规则的智能决策支持系统相比而言，本系统采用产生式规则和神经网络RBF算法相结合，既能处理不确定信息，也能对确定数据信息进行动态学习分类识别，处理范围和效率有所改进。