伴随着现代化大生产的科学技术的进步发展,生产生活中的锅炉应用日趋广泛且锅炉系统的结构越来越复杂,功能越来越完善,自动化程度越来越高,对故障诊断技术应用的迫切性也与日俱增。与此同时智能化的锅炉状态监视和故障诊断技术也得到了发展和应用,在保证设备的安全运行同时,可以提高设备的利用率,还可以有效降低检修成本,提高效益。因此开展锅炉过程监控和故障诊断的研究意义重大。本文研究一种模糊理论与BP神经网络相结合的锅炉故障诊断方法,构建了基于模糊神经网络的锅炉系统故障诊断专家系统的结构框架,论述了模糊逻辑和神经网络结合的重要性,并说明了二者的结合方式,基于VB程序实现了故障诊断软件。首先对标准BP神经网络的学习算法进行了详细的探讨,并对其局限性进行了深入的分析,然后在此基础上,重点研究了神经网络的改进方法。其次应用粗糙集理论对BP神经网络的输入数据进行预处理,消除冗余信息,提取关键成分,以达到减少输入神经元节点,简化网络结构的目的。同时还采用增加动量项和学习率动态自适应调整方法,仿真结果表明这些改进措施可以提高网络的收敛速度,从而较好的解决BP网络收敛缓慢,训练误差容易陷入局部极小值等问题。