模糊Petri网能够结构化地以图形的形式进行描述,而且还支持丰富的数学分析方法,具有较强的知识表达和逻辑推理能力,因此在工业过程中被普遍应用于故障诊断。然而,常规的模糊Petri网模型在进行产生式规则推理时没有充分考虑变量间关联特性对置信度的重要影响,并且,模糊Petri网的模型参数通常是结合专家知识的经验给定,所以,在应用于故障诊断推理时具有一定的缺陷。本论文在前人研究的基础上,结合关联规则挖掘,提出了一种条件状态模糊Petri网及其反向网,并将其应用于工业过程的故障诊断与推理。论文的主要研究内容和取得的成果如下:1、在普通模糊Petri网的基础上提出了一种条件状态模糊Petri网,详细给出了其相关定义、基本特性以及基于矩阵运算的推理方法。2、提出采用数据挖掘关联规则的APRIORI算法对条件状态模糊Petri网模型的置信度参数进行提取,并在条件状态模糊Petri网的基础之上建立了一种反向条件状态模糊Petri网用来进行故障诊断与推理,同时建立了动态置信度推理机制,基于极大代数的迭代算法进行逆向推理,得到工业过程故障发生的概率,获得故障诊断信息。3、针对反应器过程对所提出的方法进行了应用和验证,仿真实验能够得出各故障发生的概率,可以动态表达故障诊断信息。