随着现代化大生产的发展和科学技术的进步,我国锅炉应用的日趋广泛和技术难度的提高,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。保证锅炉设备的安全运行,不仅可以提高设备的利用率,还能有效降低检修成本,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。基于专家系统的锅炉故障诊断技术是故障诊断领域的一个重要研究分支。本文根据国内外锅炉系统故障诊断技术的需求形势与研究现状,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,对神经网络的学习算法及其局限性进行了详细的探讨和深入的分析,在此基础上,重点研究了标准BP神经网络的改进方法,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,提出了基于模糊神经网络的锅炉专家系统诊断方法,实现知识的获取、表示,以及推理的一体化。同时通过采用增加动量项和学习率动态自适应调整方法对其配合,仿真结果表明它极大的改善了网络诊断性能,解决了BP网络收敛缓慢,训练误差容易陷入局部极小值等问题。将模糊网络模型有机的嵌入到专家系统中,开发了锅炉故障诊断专家系统软件。获得了比传统专家系统可信度更高的诊断结果。并且在诊断知识获取,不完全信息推理等方面较传统专家系统更有优势,稳定性有了一定程度的提高。