铝电解过程是一个非线性、强耦合、时变和大时滞的工业体系。铝电解过程设备结构复杂,故障种类繁多,故障的发生,对整个电解系列的产生都有很大影响,使电流效率下降,影响电解系列的各项技术指标,降低了铝的产量和质量,破坏了整个电解系列的平稳供电。因此,及时有效地进行故障诊断,对保证整个电解系列平稳安全生产,节约电能具有十分重要的意义。由于铝电解的非线性特点,难以建立精确的机理模型进行分析。但是通过对铝电解过程各种故障的相关量分析,利用智能算法进行辨识已经成为一种有效的手段。比如,已经有研究人员将粗糙集、BP神经网络、Elman神经网络、小波神经网络应用到铝电解故障诊断中。尽管这些方法已经取得了一定的效果,但是有的模型在训练时收敛速度慢,容易陷入局部极小值,造成训练时间长,故障诊断的准确率不高,而且缺少对复合故障的诊断,不能满足要求。因此,本文以铝电解过程为研究对象,针对目前故障诊断方法存在的问题,提出了一套新的故障诊断方案,并做了如下工作:第一,概述了国内外铝电解的发展状况,对铝电解故障诊断意义进行了阐述。论述了现有故障诊断方法的应用及存在的问题,论证了改进现有故障诊断方法的必要性。第二,对控制系统的故障诊断方法进行了理论探讨。针对铝电解过程中各种故障,详细分析了其产生的原因和预防方法,并提取了故障诊断的特征量,提出了论文中所采用的故障诊断方法。第三,首先分析了神经网络应用于故障诊断的可能性和必要性。论述了小波分析与神经网络的结合途径,然后论述了阳极效应预报的常见方法,同时指出了目前阳极效应预报方法的不足之处。第四,分别采用Elman神经网络和小波Elman神经网络,根据阳极效应发生的机理,建立故障诊断模型,并对基本Elman神经网络模型结构进行改进,以期待达到理想的诊断效果。仿真结果表明:小波Elman神经网络诊断阳极效应具有诊断时间短,准确率高等特点,具有很好的实时性和可靠性。第五,根据铝电解过程中多种故障同时发生,并且各种故障之间存在着层次关系和因果关系的特点,提出了基于信息融合技术的集成小波神经网络的多故障诊断方法。并根据诊断流程设计了人机接口。仿真结果表明:该方法可对电解过程中多种故障的发生进行有效地诊断,解决了单一故障诊断方法难以解决的问题。第六,对基于神经网络的铝电解故障诊断方法进行了总结,对其优点和不足进行进一步地探讨,对为来工作进行了展望。