随着现代科学技术的高速发展,工业部门之间的大型设备能否安全可靠地运行,这对于提高企业经济效益和国家的经济实力,都有很重要的意义。因此,有必要对故障诊断方法进行研究和开发。本文根据故障诊断的特点,对以描述动态系统的Petri网技术应用于故障诊断中,为诊断问题的解决提供了一种全新的方法。本文主要研究了Petri网在故障诊断中的应用,重点研究了以下内容:首先,介绍了故障诊断系统,尤其是故障诊断专家系统的相关理论和Petri网的基本概念以及模糊Petri网原理与知识表达,并给出了模糊Petri网的相关推理算法。其次,在模糊Petri网推理方法中结合反向推理算法与正向推理算法,提出了改进了的基于模糊Petri网的正反向混合推理算法,先用模糊Petri网故障诊断反向搜索算法对模型进行约简,再在此基础上运用正向模糊推理算法对模型进行计算,使故障诊断精确可信,并给出实例验证。最后,对加权模糊Petri网的学习能力进行了研究。介绍了加权模糊产生式规则以及置信度的推理方法,给出了加权模糊Petri网的相关定义和矩阵推理算法,为了保证运算符一阶求导连续,引入了Sigmoid函数,建立变迁发生的连续函数和最大,最小运算连续函数;参照神经网络,研究了权值和阈值的学习算法,对于分层严格的WFPN模型,应用全面反向学习算法,对于分层比较困难的WFPN模型,考虑局部学习,使加权模糊Petri网具有了像BP神经(Back ProPagation)网络一样的学习能力,并引入变学习率来加快算法的收敛速度,举例验证了算法的有效性。