目前隧道排水系统主要功能是对隧道排水系统运行时数据的采集和隧道排水系统可控设备的控制，尽管功能丰富，但是对于排水系统的故障检测部分却过于简单，大多是依靠人工或者单传感器进行故障检测，检测手法比较单一。本文通过对隧道排水系统的故障和故障征兆之间的相互关系进行分析研究，将易于检测且能反映故障状态的表征信号作为检测对象，并基于模糊理论和神经网络建立了排水系统故障检测机制，解决了单传感器故障检测不准确、描述不全面的问题。　　文章首先分析了模糊理论和RBF神经网络的特点，针对隧道排水系统故障长期运行后，隧道中的设备都会发生不同程度的病变，这些变化很难用设备“出现”故障还是“没有出现”的二值逻辑来给出确定的诊断结果，而往往需要由模糊的“基本不可能”、“很可能”等词语描述的问题，采用模糊理论来解决这一问题。它具有结果清晰，系统性强的特点，能较好地解决模糊的、难以量化的问题，适合各种非确定性问题的解决。针对模糊理论中隶属度函数难以确定的问题，将模糊理论与神经网络进行结合，运用RBF神经网络对模糊综合评估的隶属度进行求解，由于神经网络的自组织性、自学能力以及排水系统中现有的大量历史数据，将提高诊断的准确率。　　通过 MATLAB对模糊理论和神经网络的故障检测机制进行仿真实验表明，该故障检测方法不仅能确切的描述系统的故障状态，同时比单传感器的故障检测更准确。　　最后本文结合实际运营的武汉市水果湖隧道、武汉市汉口火车站地下通道、武汉市中山路地下通道以及武汉八一路地下通道等，设计出一套具有实用性、可靠性和扩展性的诊断模型对城市隧道排水系统运行时出现的故障进行检测。