本文针对目前化工流程工业故障诊断系统在诊断的过程中对缓变故障的低诊断率,对故障原因分析不足等问题进行研究和改进,提出采用符号有向图方法进行故障寻源,多种智能方法相结合的实时故障诊断系统结构,构建集预测、诊断、专家意见等功能相结合的故障诊断和处理框架。首先以精对苯二甲酸(Pure terephthalia acid, PTA)溶剂脱水过程为背景,搭建符号有向图(Signed Directed Graph,SDG)模型,在传统的符号有向图模型的节点引入趋势基元思想,按时序过程顺序对化工生产过程数据进行实时趋势分析。将趋势明显、符合SDG方法处理的故障点进行寻源报警处理；将由生产调整、误差等引起的尖峰现象从故障检测中剔除；该系统在SDG故障检测溯源的同时对实时数据进行神经网络故障预测,当预测故障概率大于预报阈值时对生产过程发出故障预警；同时将实时数据运用绝对值差分累积和计算,对缓变故障和波动大、不稳定的变量有预防和警示作用,在故障发生事故前引起重视。该系统在故障诊断的同时根据故障和故障源的判断给出专家指导意见,用于故障排除。经过某石化厂PTA生产线溶剂脱水过程实例分析,这种多种智能方法结合的诊断系统方案提高诊断框架完备性,使SDG的溯源范围更广,准确率更高,减少其多义性,专家意见及时提出建议,有效避免系统扰动等原因引起的误报,改进差分累积和计算对缓变故障和波动大、不稳定的变量有预防和警示作用。可见该方法一方面很好的利用了模型的因果关系,同时也有效地利用了数据历史趋势。