近年来,随着无人船技术的高速发展,由电力推进的大型无人船逐渐成为国内外的研究热点之一。大型无人船采用最先进的电力推进方式,其综合电力系统结构复杂,设备多,且经常会进行长航程作业,因此保证综合电力系统的健康运行是大型无人船长航的关键因素。基于大型无人船的长航时、高载荷的健康航行需求,研制大型无人船综合电力系统智能监控与健康管理模块是必不可少的。健康评估作为大型无人船综合电力系统健康管理模块的关键技术,具有相当大的研究价值。目前学者们针对健康状态评估中所用到的特征参数选取方法存在基于专家经验的缺点,而采用的健康评估算法也存在评估准确率不够高、评估时间长等缺陷。因此针对这些问题,本文依托大型无人船综合电力系统智能监控与健康管理技术研究项目对健康评估问题进行相关研究,目的是要建立一种高准确率的无人船综合电力系统健康评估模型。本文围绕无人船综合电力系统健康评估展开研究与设计,主要完成了以下工作:首先,本文在大量调研的基础上,分析了无人船在国内外的研究现状和主要差距;接着分析了健康状态评估技术的研究现状;然后结合实际项目需求,设计了无人船综合电力系统健康评估的总体评估体系。其次,分析了影响电力系统健康状态的相关参数。主要从系统的设备参数、无人船的航行状态参数、环境参数三个方面分析影响系统健康状态的参数,并初步选取电压、频率、功率等九个参数作为特征参数;由于参数选取过多,提出使用基于属性累积评价因子的粗糙集动态约简算法对参数进行约简,最后得出本次研究选取的特征参数为四个。最后,在分析健康评估算法的基础上,提出使用卷积神经网络对系统进行健康评估,然后根据特征参数建立含有不同网络参数的卷积神经网络健康评估模型,研究了卷积神经网络各个网络参数对评估准确率的影响,验证了这些特征参数都能反映系统健康状态。通过与BP神经网络和深度信念网络的对比仿真分析,验证了本文采用的卷积神经网络算法的可行性和优越性。