U usporedbi s drugim strojevima za pogon broda dvotaktni sporohodni dizelski motori s prednabijanjem imaju prednosti zbog svog visokog stupnja djelovanja i pouzdanosti. Suvremeni sporohodni brodski dizelski motori imaju veliku fleksibilnost u radu obzirom na varijabilne strategije ubrizgavanja goriva i upravljanja ispušnih ventila. Kod tih ”inteligentnih” motora moguće je tijekom rada (bez zaustavljanja motora) mijenjati strategiju ubrizgavanja goriva i pogona ispušnog ventila, čime se značajno mogu mijenjati vanjske karakteristike motora. Uvjeti proizvođača motora, nužni za pouzdanost rada i priznavanje garantnih uvjeta, koji definiraju strategiju gradijenta opterećenja i vođenje rada motora, ugrađeni su u sustav regulacije i zaštite rada motora. Modeli za numeričke simulacije rada motora u stanju su vrlo pouzdano prognozirati karakteristike i ponašanje motora u različitim pogonskim uvjetima. Uz to što omogućuju bolji uvid u različite aspekte rada motora, daju i dodatne informacije iz ograničeno dostupnih eksperimentalnih podataka. U ovoj disertaciji provedene su numeričke simulacije za izračunavanje stacionarnih stanja rada motora. U simulaciji se motor se postupno dovodi u stacionarnu radnu točku za što je potrebno određeno vrijeme koje zna biti i višestruko duže nego kod stvarnog rada motora. Rezultati numeričkih simulacija za uvjete rada brodskog dizelskog motora primjenjeni su za odabir vrste i strukture neuronske mreže koja je korištena u ovom radu, njeno učenje i validaciju. Izrada modela s neuronskom mrežom iz simulacijskog modela radi postizanja određenih performansi, a i novih mogućnosti analize podataka koje je bi inače teško postigli, nije jednostavan zadatak. Pri obradi podataka neuronska mreža je pokazala velike dijagnostičke mogućnosti za prepoznavanje problematičnih podataka. Odabrana neuronska mreža zadovoljila je unaprijed zadanu točnost i spremna je za prihvat budućih eksperimentalnih podataka i njihovu obradu. Razvijeni model neuronske mrežu u stanju je dati tražene podatke karakteristika motora više od 3000 puta u kraćem vremenu nego numeričke simulacije za zadanu stacionarnu radnu točku. Brzina rada neuronske mreže čini je pogodnom za brze proračune u iznalaženju optimalnih uvjeta po različitim kriterijima koje možemo proizvoljno nametati. U radu se istražuje efikasno predviđanje radnih parametara u svrhu optimalnog upravljanja. Istražena je i mogućnost da se izlazni rezultati naučenih neuronskih mreža koriste kao ulazni podaci za optimizaciju traženih radnih uvjeta. Isto tako istraživanje pokazuje značajan utjecaj turbopuhala na rad motora. U radu su pokazani primjeri primjene opisane neuronske mreže za optimizaciju mogućih podešenja suvremenih brodskih ”inteligentnih” dizelskih motora, s ciljem dovođenja traženog toplinskog toka ispušnih plinova u radne uvjete za potrebe utilizacije otpadne topline, uz minimalnu specifičnu potrošnju goriva na motoru, te za optimizaciju maksimalne temperature procesa motora u svrhu smanjenja emisija NOx-a. Ovim istraživanjem razvijen je model, baziran na neuronskim mrežama, koji omogućuje predviđanje parametara rada brodskog dizelskog motora. Namjera prikazanih istraživanja bila je u izradi modela neuronskih mreža za implementaciju u suvremenim i inteligentnim sustavima vođenja glavnog brodskog dizelskog motora. Razvijeni model neuronske mreže u potpunosti je pripremljen za prihvat novih podataka izmjerenih tijekom eksploatacije motora. Prvim usporedbama izmjerenih podataka i podataka neuronske mreže moći će se ocijeniti kvaliteta izmjerenih podataka i cijelog mjernog sustava. Ta ocjena je preduvjet za kasnije analize mogućih odstupanja sustava od očekivanih normalnih stanja za potrebe dijagnostike nadolazećih kvarova.