随着科技的发展，人们研究领域的不断延伸，我们发现现实世界中不仅存在确定的信息，同时也存在许多不确定的信息，不确定信息使我们对事情不能作出准确的判断，因此对不确定信息的研究就变的尤为重要。因果图是在信度网上发展起来的，实质是基于概率论的一种对不确定信息的推理方法，在故障诊断中有着独特的优势。在运用因果图进行诊断时，通常是求某事件在已知证据下的后验概率，即求事件的一阶割集，最终割集，不交化割集及后验概率。但是在现实世界中，由于环境和人为等因素，我们很难得到事件的精确概率，因此为了更好的找出故障的原因，改进系统的薄弱环节，在本学位论文中，将二元决策图（Binary Decision Diagram,BDD)和T-S模型引入到因果图中，主要创新点体现在以下两个部分。　　第一部分，先求得因果图的最小割集并对事件进行排序，并根据BDD运算规则得到因果图的BDD。通过对BDD的研究，我们不仅能够看到因果图的最小割集，而且还可以发现基本事件对因果图的影响。在实际操作中，有助于我们缩小诊断空间，快速分析和诊断故障。最后根据实例，证明了此种方法的可行性和适用性。　　第二部分，将T-S模型运用到因果图中，实质是用模糊数来代替事件的故障概率，T-S模糊门来代替因果图的逻辑门。根据给定的规则及T-S算法，求得事件故障的模糊概率，对引起故障最主要的因素进行分析，从而改进系统的薄弱环节。通过实例，得出了这种方法在因果图中的有效性和可行性。