传感器技术、通讯技术和计算机技术已成为现代信息技术的三大支柱，是信息产业的重要基础工业。由于传感器工作环境复杂恶劣、分布面广、数据量大、传感器安装部位特殊等原因，使得传感器成为过程控制中的薄弱环节之一，是系统中最易发生故障的部件，仅靠人力去发现和修复传感器故障很难做到及时有效作为自动控制技术。因此，传感器故障诊断问题是一个有重要现实意义的问题。小波分析和神经网络作为传感器故障诊断中两种比较优秀的理论方法，都得到了广泛的应用，但也存在各自的缺陷。小波分析由于其优良的时频分析特性，在故障诊断中可以将信号数据做准确地处理，提取故障信号的特征，但是就故障诊断本身的判别手段却是不太容易确定，在很多情况下难以量化。神经网络的非线性，平等分布处理，特别是其高度的自组织和自学习能力，使其成为故障诊断的一种有效方法和手段。但神经网络的诊断过程只能通过改变网络内部神经元函数和端口数来实现诊断效果的区别，并且神经网络训练样本的选择和数量对于诊断效果的影响很大，因此对于实现故障诊断的条件要求较高。由于小波分析和神经网络在故障诊断领域各自具有优势及不足，将两者结合变成小波神经网络（WNN，WaveletNeuralNetwork），形成了传感器故障诊断的新思路。 本文研究了小波神经网络应用了传感器故障诊断的基本理论，在此基础上，利用虚拟仪器开发平台LabVIEW，研究了基于小波神经网络浊度传感器的故障诊断系统，此系统采用了系统的硬件平台采用了PCDAQ/PCI数据采集卡系统，软件设计采用三层小波包提取故障信号特征值，构建特征向量作为BP神经网络的输入，实现了对传感器偏置故障、冲击故障、开路故障、周期性干扰故障这四种基本故障的故障诊断，验证了小波神经网络方法的可行性和准确性。