工业铝电解是一个非线性、干扰大、滞后大、时变的惯性过程，具有不确定性强、未知因素多，对象的可测和可用的信息少等不利因素。这给铝电解槽故障诊断的实现带来了很大的难度。　　 本文在查阅大量文献的基础上，对铝电解生产的工艺过程和故障模式进行了详细的介绍与分析。以阳极效应为代表，电解槽各种故障的因果关系复杂，涉及参数众多，其故障特征的表现综合多样。这些都决定了其故障诊断问题不能简单地依靠单一的诊断方法，应当采用多方法合作的机制，利用各种方法的互补性，以提高诊断的效果。为了更好的实现算法合作，本文提出并实现了基于多智能体的故障诊断系统。　　 对于电解槽故障的诊断，依靠神经网络算法、模糊专家算法等先进算法的结合得出综合结果，可以大大提高诊断的准确率。所以本文阐述了如何通过多智能体系统实现阳极效应、冷槽和热槽故障的分别诊断，并且进行多种算法结论的汇总，对于电解槽的故障情况进行分析和诊断。　　 根据铝电解生产的特点和对工人辅助作用的要求，本文自主设计和开发了铝电解槽故障智能诊断系统软件。本文从软件的总体设计、结构设计、系统的通讯机制、协调机制和调度机制，以及单个智能体的算法设计等多个方面进行详细说明。其中重点描述了基于CMAC神经网络的阳极效应的预报方法，基于模糊专家系统的冷槽和热槽故障诊断以及对于电解槽整体状态诊断的研究和实现。　　 铝电解槽智能健康诊断系统通过对现场采集来的数据进行仿真以及对工人的一些判断进行处理，实现了对阳极效应、冷槽、热槽等典型故障的诊断与预报，以及对电解槽故障情况的综合诊断，其中阳极效应的预报实时性得到提高。这对于铝电解企业降低能耗、提高效益具有重要意义。