柴油机作为船舶上主要的动力输出来源,其工作状态的好坏能够决定船舶运行时的安全与否,但由于船用柴油机通常在较恶劣环境下工作、并且其运行过程也较为复杂,因此,容易发生故障,从而降低船舶的安全性。因此对柴油机进行状态监测,及时发现其状态异常,并进行故障诊断有着极为重要的意义。同时在全球能源日益枯竭的情况下,通过对柴油机工况的监测,调节其他辅助系统的工况,也能大幅的降低船舶的能耗,其研究也具有重要的意义。本文基于.NET框架中的Win Form平台,开发了船舶柴油机的监测系统,能够对柴油机进行实时的状态监测,并基于优化后的PSO-RBF神经网络,实现故障报警诊断功能。以此同时,设计了一种辅助系统可变工况控制方案,对柴油机各辅助系统中驱动泵或风机的电机进行调速控制,从而实现辅助系统输出与柴油机工况相匹配,从而达到节能的目的。通过对柴油机监测系统整体结构的分析与设计,列举出了系统用于实现各功能的模块,并对粒子群(Partical Swarm Optimization,PSO)算法的粒子寻优过程进行优化,设计出算法中的惯性权重、学习因子、以及速度更新方案,以此来提升PSO算法的收敛速度与精度,并用优化后的PSO算法对径向基函数(Radial Basis Function,RBF)神经网络中的隐含层神经元中心、场域宽度、隐含层与输出层连接权重,3个参数进行寻优,构成最优RBF神经网络。通过优化PSO-RBF神经网络,进行柴油机进排气系统和燃油系统典型故障的诊断,研究表明,优化的PSO-RBF神经网络较基本PSO算法寻优的RBF神经网络,在故障诊断中有着较小的误差,较高的可靠性。通过选用永磁同步电动机,设计一种可变工况控制方案,进行柴油机实际工况与所需辅助系统的泵或风机输出流量的匹配计算,从而通过电机的变频调速改变泵或风机的流量,实现减少柴油机辅助系统中各泵或风机所需能耗,达到节能目的。最后,本文在Win Form平台上进行了柴油机监测系统的开发,系统通过传感器进行数据采集;加装sm331、sm332模块的S7-300 PLC通过转接头进行数据传输;使用Mod Bus协议进行数据通信;通过SQL Server2014进行数据存储以及调用;能够通过采集数据进行计算,并输出数据进行柴油机辅助系统中各电机调速控制;在界面中能够实时显示相应的数据,查看历史数据线图以及故障;通过优化的PSO-RBF神经网络完成故障诊断;控制辅助系统的电机调速,从而构成一个完整的监测系统。