现代工业自动化过程日益复杂，自动化水平也越来越高，大部分的生产线都已经实现了基于经典控制理论和PLC控制系统的自动化生产水平，现在正向着基于功能层次、网络通信的多层自动化系统发展，但是对于设备检修技术的发展速度却远远的落后于当前设备的自动化生产水平。对当前现场设备的故障快速定位和故障处理方法并没有随着这些工业控制产品的快速更新而得到了很大的发展。本人根据当前现状，通过对某非晶带材生产线控制系统的学习，对其故障诊断方法进行深入分析，并进行研究改造。本论文是针对某非晶带材生产线控制系统现状，开展的一系列故障诊断方法的研究。对本自动化生产线进行深入剖析后，以PLC为诊断工具开展的一系列的控制系统故障诊断方法的研究。PLC在本系统中既作为控制器又作为诊断工具，本人深入挖掘了PLC在系统故障诊断中的应用，阐述了PLC的自诊断功能和利用PLC强大的逻辑处理功能来对系统故障进行快速定位。之后，在分析本非晶带材生产线控制系统突出特点基础上，借助于现场总线技术和数据库知识，基于专家系统的思想开发了一种设备故障库诊断方法，并在详细阐述的其实现方法。经研究，如果本方法结合BP神经网络预测模型，对系统实时状态进行自学习并对系统故障进行预测，最后阐述了基于BP神经网络的故障预测模型并得到了实验验证。经过以上对故障诊断方法的研究和现场应用，大大降低了本非晶带材生产线的故障发生率。虽然目前的工业控制技术得到了大大的提高，但是一旦系统出现故障，就有可能导致整条线的瘫痪，从而给公司造成巨大的损失。因此对于研发这种智能的故障诊断系统来说具有很大的实用性和必要性。