船用发电机的数学模型在船舶电力系统仿真和控制中有着广泛地应用，船用发电机的数学模型具有一定的复杂性和非线性特性，其建模研究是一个热点问题。神经网络对于辨识和逼近复杂的非线性系统有着优越的性能，已经在工程领域得到了广泛而成功地应用。国内外许多学者采用神经网络来建立非线性系统的模型，并取得了一定的成功。混沌神经网络具有十分复杂的动力学特性，它不同于仅具有梯度下降特性的一般性神经网络。混沌神经网络具有更加丰富的远平衡点动力学特性，同时存在各种吸引子。用混沌神经网络建立的船用同步发电机模型具有很强的泛化能力。所以，混沌神经网络为非线性系统建模提供了一种新的方法。论文主要工作为： 1)本文利用Matlab软件来建立混沌神经网络结构，首先建立Aihara混沌神经网络结构，通过合理的选择混沌神经元结构，对混沌神经网络的输入层、输出层和隐层进行了设计，同时选择合适的学习方法来建立学习速度更快、泛化能力更强的新的混沌神经网络结构。 2)在建立混沌神经网络结构之后，利用采集来的船用同步发电机的样本数据来训练船用同步发电机的数学模型。在建模的过程中，首先选择系统辨识模型，然后通过对样本数据进行一系列的处理，同时在训练的过程中通过比较、试验来选择训练速度、训练次数等参数，来对建立的船用同步发电机模型的正常运行工况和故障工况进行训练，从而建立船用同步发电机的混沌神经网络模型。 混沌神经网络对于大型非线性系统的建模是非常具有现实意义的，值得借鉴和推广，为非线性系统建模提供了一条新思路和一个新手段。同时，也大大降低了试验的要求，对于船员的培训等耗费巨大的项目有很大的帮助。因此，本文对混沌神经网络建摸的研究具有一定的理论价值和工程实用意义。