该文主要对故障诊断方法展开了深入研究,主要包括人工神经网络方法、模糊推理方法以及混合知识方法.同时对其它故障诊断方法如灰色理论、主元分析法也作了深入的研究,并对多种智能故障诊断系统的集成策略作了探索性研究.该文主要研究成果包括:1.针对复杂系统的传感器故障提出了一种基于RBF神经网络的传感器故障诊断方法,该方法能够准确快速地对两类传感器故障进行检测和估计,并对多重传感器故障也能够有效地检测和分离.研究了模糊综合评判和模糊聚类在故障诊断中的应用,提出了一种基于模糊聚类(FCM)的故障方法,在确定的已知的故障模式基础上,该方法能够准确地对未知故障进行识别.2.提出了采用人工神经网络和模糊推理相结合的方式进行故障诊断,同时在神经模糊系统中引入了遗传算法对系统的结构参数和学习参数进行优化,实例应用结果表明,基于这种混合学习算法的神经模糊系统具有更好的故障信息获取能力和更清晰的知识表达能力,能更好地进行故障诊断.3.研究了简单PCA故障诊断方法在过程故障检测的应用,并指出了考虑将PCA方法和基于过程动态模型的故障诊断方法结合起来,对一些复杂故障和过程内部故障进行准确诊断的研究方向.4.研究了基于灰色理论故障诊断方法.研究了灰色关联度分析法在压缩机状态检测中的应用实现过程. 5.针对离心压缩机的故障诊断提出了基于人工神经网络、模糊推理方法的集成智能系统的故障诊断系统开发策略.该集成智能诊断系统能更好地表达各种对象的故障诊断领域知识,能综合各诊断方法的特点,克服各自的局限性,从而可以提高诊断系统的智能性和诊断效率,这种多种智能诊断系统的集成策略为以后的压缩机智能故障系统进一步研究开发起到借鉴作用.