随着现代工业过程系统的日益大型化和复杂化，为避免事故发生甚至系统崩溃造成的巨大经济损失，能及时、准确的对系统状态做出诊断变得越来越重要。这使得对实时故障诊断系统的研究具有重要的理论意义和应用价值。专家系统在故障诊断领域的应用使得很多常规诊断方法解决不了的问题得到解决。同时，采用专家系统工具开发专家系统能够提高系统的开发效率和可靠性，但是使用不同的开发工具所获得的效果不同，因此有必要对使用不同开发工具开发出的专家系统进行研究。专家系统还存在专家知识获取的瓶颈问题，这可以通过将数据挖掘技术应用到专家知识的自动获取上来解决。因此，如何将数据挖掘技术应用到知识获取中也是需要解决的一个问题。　　 本文分别使用INTEMOR和CLIPS设计了两个实时故障诊断系统，均采用基于虚拟DCS的电力仿真系统作为诊断对象和测试平台。　　 本文首先研究了基于专家系统外壳(INTEMOR)的实时故障诊断系统的设计方法。采用OPC方式获取仿真系统的实时仿真数据，通过INTEMOR实时数据传送API将数据送入INTEMOR，采用INTEMOR KBR和IML编写了知识库同时开发了超媒体在线操作手册。研究结果表明，使用INTEMOR尽管能够非常快速的开发出一个完善的实时故障诊断系统，但是它存在灵活性较差，数据处理能力有限等不足。　　 为了克服INTEMOR的缺点，本文研究了如何使用通用知识表示语言CLIPS实现实时故障诊断系统的开发，并设计了相应的实时诊断系统。使用CLIPS编写知识库同时作为推理机，使用VC++编程实现数据采集以及与数据库的数据交互，采用SQL SERVER存储动态过程数据以及系统的维护信息。结果表明，使用CLIPS设计实时故障诊断系统，与采用INTEMOR的方法相比虽然设计难度比较大，需要考虑的问题更多，但系统的灵活性更加高。所设计的系统能够对基于实时和历史数据的故障进行实时诊断，同时其知识库具有一定的可扩充性。　　 然后，本文尝试使用关联规则数据挖掘方法在旋转机械平台上进行知识发现，将发现的知识作为专家知识库，使用测试数据进行测试的结果表明该方法是可行的。并将该方法与使用神经网络进行故障诊断做了比较。最后，本文结合实际项目介绍了关联规则在优化上应用。