铝电解属于复杂的工业流程,其生产过程具有高度的非线性、不确定性、慢时变、大滞后、干扰大、未知因素多等不利因素,故障发生频繁、故障类型多。故障的发生对整个电解系列和各项技术指标产生很大影响,导致铝的产量和质量降低,并浪费了大量的电能,造成巨大的经济损失,目前尚无完善的铝电解故障诊断系统。因此,对铝电解过程中的故障进行有效的诊断和预报,对提高铝的生产效率、降低铝的生产成本、节省电能、实现安全生产都有重要意义。本文深入分析了铝电解故障发生的机理和特点,从不同角度、不同方法研究了铝电解过程故障诊断方法。分别从基于解析模型的故障诊断、单一故障诊断和多故障诊断多方面,研究了故障诊断模型的建立方法,数据处理方法、故障诊断模型的训练方法及算法优化等。针对目前铝电解故障诊断存在的问题,进行了铝电解故障诊断理论与应用研究,使用现场数据对研究结果进行测试,验证了其有效性和实用性。首先,针对铝电解阳极效应故障发生特点,提出了基于解析模型的铝电解故障(阳极效应)诊断方法,应用系统辨识理论和故障诊断技术,采用了增广最小二乘辨识算法,将机理建模和实验有机结合,建立了铝电解过程动态数学模型,通过模型多参数的跟踪,捕捉参数变化特征,对阳极效应进行预报。并研究了在选择不同的模型初始条件和不同的遗忘因子情况下,对故障诊断效果的影响,仿真研究结果验证了这种方法的有效性。其次,针对铝电解生产过程复杂的特性,具有很多不确定性因素,利用非线性主成分分析法对数据降维和解耦,对输入量进行了约简,确定铝电解过程故障主成分,简化了神经网络结构,并根据Elman神经网络具有记忆性强等特点,提出了小波Elman神经网络的铝电解阳极效应故障诊断方法。研究了Elman神经网络、小波Elman神经网络和改进型Elman神经网络三种不同故障诊断模型的建模方法,仿真结果表明：采用小波Elman神经网络具有故障预报准确率高、提前量大等特点。再次,提出了模块化集成模糊神经网络铝电解多故障诊断方法。采用结构化、模块化设计方法,构建了铝电解故障诊断平台。研究了单一神经网络和模块化集成网络两种不同形式的故障诊断方法。模块化集成模糊神经网络铝电解多故障诊断模型采用子故障诊断网络和决策融合诊断网络两级故障诊断网络结构,其特点是将模块化与集成网络的有机结合、模糊和神经网络的有机结合、子网络与决策网络信息的融合,子故障诊断网络输入量按各子网络的诊断功能,将输入信号进行分项,既考虑到各子网络的关联性,又要考虑到信号的量级,通过有效的组合实现子故障诊断网络的模块化。故障诊断子网络为Elman神经网络结构,决策融合神经网络为模糊神经网络结构,主要功能包括信号传递、模糊逻辑运算和反模糊化,实现了模糊与神经网络的有机结合。决策融合神经网络训练采用了粒子群算法,使网络的收敛速度和精度都有了一定的提高。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较单一神经网络诊断方法具有很大的优越性,预报准确率高、预报提前量大,而且能有效地诊断复合故障。最后,根据铝电解过程工艺要求和控制性能指标要求,设计了铝电解计算机控制系统。系统采用了集散控制系统结构,包括控制级、监控级和管理级。建立了铝电解故障诊断系统平台,提出了铝电解两级故障诊断模式,一级故障诊断采用了双模糊故障诊断系统,对故障进行初步判断,二级故障诊断采用了集成模糊神经网络诊断方法,对多故障进行诊断,并进行模式分类,确定故障的类型,实验结果表明了这种方法的有效性。