船舶系统是一个耦合度高,各子设备之间相互联系,各主要元件分布广泛的系统集成的复杂系统。一旦出现设备故障,仅仅依靠船员根据他们的经验和专业素养来进行排故和维修,很难在有限的时间内进行快速有效的维修,这极有可能导致船期的延误,财产的损失甚至是威胁到船舶上工作人员生命的安全,尤其是在远洋航行时,这个损失将不可估量。因此,船舶设备故障一旦发生,使用正确的方法快速找到故障原因并进行相关维修显得尤为重要。本文首先对船舶故障诊断研究现状和基本方法、贝叶斯网络的基本原理、贝叶斯网络推理方法和贝叶斯网络的学习方法进行了研究。在研究中,总结出:贝叶斯网络在进行故障诊断时可以有效的处理船舶设备故障的诸多不确定性因素,吸收先验信息,提高故障诊断的精度。故障树在船舶故障诊断的应用中相对完善,而通过故障树的分析构建贝叶斯网络的方法比较便捷。本文的创新点和工作内容主要体现在以下内容:1.本文在综合了贝叶斯网络和故障树在船舶故障诊断中的优势后,提出了一种基于N-DFBN船舶故障诊断方法,并运用该方法对船舶上甲板灯光系统的故障进行了推理。基于N-DFBN船舶故障诊断方法主要思想是使用故障树和贝叶斯网络组合的方式建立诊断故障贝叶斯网络DFBN,并基于DFBN运用联合树推理进行故障诊断的方法。这种诊断方法能够在船舶系统这样大型的设备集成的系统中提高识别效率,同时也能够对系统的具体性能进行合理分析。2.为将基于N-DFBN船舶故障诊断方法应用与实际的船舶故障诊断中,本文以此方法为核心设计了基于N-DFBN方法的船舶诊断系统并实现了系统的中的关键部分。设计内容主要包括基于实际需求的系统功能流程设计,系统架构设计,各主要子系统的设计,实现的部分主要包括IETM排故维修部分、远程维修支持部分和远程数据互动处理部分。为使基于N-DFBN方法的船舶诊断系统能够在实际的船舶故障诊断中发挥更大的作用,本文还给出了复合实际需求的系统部署的方案。