对于类似运载火箭这种特殊、复杂的大系统,传统的故障诊断技术或单一的故障诊断方式已不能满足实际的需要。人工智能技术的广泛应用为复杂大系统故障诊断提供了新的手段。神经网络技术作为人工智能的重要分支,因其独特的容错、联想、推测、记忆、自适应和自学习等特性,已在航天器智能故障诊断方面得到了很好的应用。本文针对运载火箭测发过程中故障诊断的需求,在分析了航天靶场运载火箭测发过程现有故障诊断方法的基础上,提出了一种基于神经网络、测发数据链路和案例推理的复合故障诊断方法。基于神经网络的实时故障诊断用于运载火箭的关键设备和参数的实时故障监测,基于测发数据链路和案例的离线故障诊断用于故障的事后分析和评估。运载火箭实时故障监测以神经网络时间序列预测技术为基础,通过神经网络预测值与当前系统采样值进行比对,若超出一定误差范围则发出故障报警,以此实现了对运载火箭的关键设备和关键参数的实时监测;运载火箭离线诊断以案例分析和测发数据链路为基础,实现了离线故障诊断。基于测发数据链路的故障分析法的核心思想是:从故障数据报警点出发,依据测发数据链路对故障直接关联的设备进行状态判定,若当前设备为故障原因,则停止故障的排查,若不是则对其上游设备的状态进行检测,以此类推完成对整个测发数据链路所涉及设备运行状态的排查;而对于无法建立测发数据链路的设备,则采用基于案例的故障诊断,以历史故障为基础,建立了历史故障案例库,在分析类似故障时,通过对案例库的搜索,为当前故障的排查提供依据。依据上述所有方法,开发了运载火箭故障诊断原型系统,原型系统具有实时故障监测和故障离线诊断等核心功能。最后,通过某型号运载火箭三级二次关机末修关机异常的故障,用真实测发数据对诊断方法进行了验证,证明了故障诊断系统设计的正确性。