科技的发展助推船舶行业的迅猛进步。在大数据时代下,为了实现“船舶工业4.0”,以船舶安全性、经济性以及智能化为基础,构建大数据融合环境的智能信息平台已成为行业领域重要的发展方向。而船舶动力系统,作为主推进系统,设备繁多、结构复杂。船舶动力系统状态评估需要整合处理海量监控数据,这更是给船企及各研究院所带来很大难题。因此,本文在对船舶动力系统状态评估现有方法进行研究学习的过程中,融合粗糙集理论和D-S证据理论对船舶动力系统状态评估进行应用研究,并进行了实验。对于研究智能船舶及安全管理具有一定现实意义。在查阅大量国内外文献后发现,粗糙集理论和D-S证据理论对于处理不确定、不精确问题具有良好的效果。而船舶动力系统设备复杂参数众多,在监测过程中常会出现不确定性发生。两种算法融合使用对于处理船舶动力系统状态评估具有很好的效果。粗糙集理论中的近似空间等概念即描述D-S证据理论中的辨识框架等,因此建立两者之间的关系,以粗糙集理论为基础,发挥其对于船舶动力系统参数处理的良好约简效果,进而转化为D-S证据理论中证据信息的合成判断。此外,粗糙集理论的参数处理还在一定程度上规避了D-S证据理论的证据信息获取困难及专家经验不足带来的主观性影响,对于船舶动力系统状态评估的准确性提供了保障。本文在分析两种算法后,针对研究课题搭建了基于粗糙集理论和D-S证据理论的船舶动力系统状态评估模型,并进行评估方法的详细介绍,以船舶实例验证方法可行性。最后,文章采用Visual C#语言、MATLAB数学工具对船舶动力系统状态评估进行系统实验。