针对目前中频炉冶金冷却水系统的监测方式存在功能单一、容易出现监管漏洞、不利于集中监管等问题,本文建立监测网站实现冷却水的在线监测和信息管理,采用BP神经网络算法对冷却水温度进行预测从而实现系统预警,并建立了模糊诊断模型实现异常数据的故障诊断。根据系统运行现状和实例分析,验证了本系统具有远程在线监测、故障预警和诊断功能,解决了冷却水传统监测方式的诸多弊端和不足。首先,本文采用E-R图和数据流图方法对系统数据库进行了分析,并结合数据库优化方案和数据安全方案建立了系统数据库,使系统数据交互具有较高的效率,同时保证了数据的安全性。采用Nginx和Tomcat服务器建立了具有负载均衡的Web服务器架构,并使用HTML和PHP等技术开发系统网站,实现了在线监测和信息管理等具体功能。其次,本文通过仿真实验确定了适用于本系统的BP神经网络参数,并以此构建了BP网络温度预测模型。在充分考虑季节影响和企业设备差异性的基础上构建了15组测试数据集来对模型进行测试,测试结果表明本文的预测模型具有良好的预测效果,满足系统设计目标的精度要求。最后,本文通过故障树分析了异常数据的故障形成途径,并建立了基于模糊推理的故障诊断模型。在本诊断模型中,自定义了隶属度函数,以多名专家经验和历史统计数据建立了模糊诊断初始权矩阵,并建立了模型系数自调整策略,以提高模型的诊断准确率和适应性。通过实验分析,验证了本模型具有较高的诊断准确率和良好的自适应性。