本文主要研究径向基函数神经网络(Radial Basis Function Neural Network，简称RBF网络)应用于大型低速船用柴油机的故障诊断。首先建立神经网络诊断模型，然后以沪东重工生产的HUDONG-MAN-B&W 6L60MCE型二冲程大功率船用低速柴油机涡轮增压系统和气缸活塞组件与燃烧系统为实例，设计征兆／故障样本集；选用MATLAB语言编制仿真程序。采用一个单隐层的RBF网络对样本进行训练和仿真实验，通过大量的计算机仿真测试，可以验证该诊断模型对柴油机故障模式有很高的准确识别率，并能对故障严重程度进行定量的预测。 征兆／故障样本集的正确确定是RBF神经网络进行准确诊断的关键。本文采用船用涡轮增压柴油机运行性能预测程序来定量给出不同程度故障的症状，在不同的负荷工况下，并考虑不同航区的大气环境温度对发动机性能的影响，通过大量模拟计算，结合领域专家经验，获得相应的样本集。 此外，本文阐述了船舶柴油机故障诊断仿真系统的模型、结构与功能。系统具有结构简单、功能齐全等优点，能使船舶轮机管理人员熟悉处理故障并制订相应的维修对策，提高柴油机的使用寿命，对开发实船柴油机故障诊断的辅助分析系统和轮机模拟器的功能扩展有实际意义。