在大数据的背景下,利用船舶运行数据对船舶设备进行故障诊断是未来发展的必然趋势,船舶发电机组作为船舶的重要组成部分,由于其工作环境恶劣,设备容易发生故障且这些故障通常难以快速发现,所以对其故障准确快速诊断是当下研究热点。船舶发电机组结构复杂,运行时产生的数据具有一定的冗余性与相关性,因此本文采用粗糙集理论对故障特征数据进行提取,之后利用证据理论对各个特征数据进行融合决策。采用粗糙集与证据理论相集合的方法不仅可以降低数据复杂程度,同时充分利用各个数据信息,使诊断结果更加合理可靠。本文首先搭建了船舶发电机组中发电机部分的励磁功率单元和柴油机的仿真模型,分别获取两种仿真对象在各个故障状态下的运行数据。励磁功率单元部分,分别对各个晶闸管故障进行仿真,获取了在各个触发角下运行的数据与波形;柴油机部分分别对正常运行、喷油正时提前、喷油正时滞后、喷油孔磨损和喷油孔堵塞这5种状态进行模拟运行,并获取各个状态下的运行数据。针对船舶发电机组运行的数据特点,本文提出了基于粗糙集和证据理论的故障诊断方法。由于故障数据具有冗余性,首先采用粗糙集理论对故障数据进行重要特征提取,并计算基本可信度供证据理论使用,该方法降低了数据的复杂度,同时其基本可信度具有客观性,避免了证据理论中基本可信度具有主观性的缺陷。通过采用证据理论对测试样本进行融合决策的诊断结果表明,基于粗糙集与证据理论的故障诊断方法具有较高的准确率,充分验证了该方法在船舶发电机组故障诊断中的有效性。在理论研究的基础上,为了与实际应用相结合,本文运用Visual Studio 2013和Matlab共同完成了船舶发电机组故障诊断软件,使计算更加方便,同时可对运算过程以及诊断结果进行直观的展示。