铝电解工业是一种重要的流程工业,铝电解槽是铝电解生产的核心设备,铝电解槽的运行状态会直接影响到铝电解生产企业的经营效益。但实际生产中铝电解槽体积和质量巨大,槽体内部在运行中发生着复杂的物理变化和化学变化,铝电解槽长时间处于强电场,强磁场,高腐蚀和相对恶劣的外部工作环境中。一系列的不利因素使得铝电解成为了一个高噪声,多变量,强耦合,时变,大时滞,大数据量的大型非线性系统。考虑到铝电解过程的复杂特征和铝电解工业生产实际的特殊状况,通常难以通过常规的数学方法建立铝电解过程的数学模型。然而,以往采用单个神经网络对其进行故障诊断时,网络需要大量的故障样本,但构造反映多种故障的特征向量不是件容易的事。而且适合于诊断多类故障的网络结构难以确定,即使能够确定,网络的节点过多,结构庞大,造成训练困难的网络。因此,本文根据铝电解故障特点,提出了模块化集成模糊神经网络铝电解多故障诊断的方法,分析了单一神经网络多故障诊断的不足,应用模块化集成理念,将模糊逻辑和神经网络有机结合、构建了故障诊断网络子网络和决策融合诊断网络两级铝电解过程多故障故障诊断平台。网络训练采用了混合粒子群方法,提高了网络的收敛速度和精度。仿真研究结果表明：模块化集成模糊神经网络铝电解多故障诊断方法具有故障预报准确率高、提前量大等特点。主要做了如下工作：第一,论述了铝电解过程故障诊断的一些背景,以及现阶段铝电解国内外的发展状况,阐明了进行故障诊断的必要性。第二,概括了故障诊断技术的基本原理和一些常用诊断方法,分析了现阶段一些单故障诊断网络的不足,并且提出模块化集成模糊神经网络铝电解的多故障诊断方法。第三,阐述了子故障诊断网络的建立方法。采用Elman神经网络作为子故障诊断网络,通过遗传算法确定隐层神经元个数,从而得到最优化的神经元模型。并且引入了应用物元理论建立混合可拓神经网络的子故障诊断网络,并其性能作以分析和对比。第四,阐述了决策融合神经网络的建立方法。采用了模糊神经网络作为决策融合神经网络,对不同的输入变量进行分项计算,以充分提取不同数据所包含的信息,实现MA模糊推理,进而实现故障诊断与决策。第五,论证了在网络学习中以往的普通粒子群算法存在的缺陷,并且针对这些缺点并提出改进的优化算法。其是将模拟退火算法,粒子群优化算法和梯度下降法进行融合。使网络的收敛速度和精度都有了一定程度的增加。第六,采用Ms VC++和ACCESS数据库对铝电解过程控制系统的上位机进行软件的部分功能实现,主要是针对故障诊断部分。第七,对模块化集成模糊神经网络铝电解多故障诊断方法进行了总结和进一步分析,并且对未来工作进行了展望。