随着科学技术特别是无线网络技术的飞速发展,人们的通信方式也发生着日新月异的变化。当代,移动网络通信已经渗入到人们工作生活中的每一个角落,人们已经无法脱离移动网络而生存。随着3G时代的来临,移动网络的规模、速度、效率、容量、强度都将得到大幅度提高；另一方面,随之而来的问题是一旦发生故障造成数据丢失或者系统停机所带来的损失也将更加严重。这就对网络的系统维护提出了更高的要求,特别是在故障诊断方面。传统的故障诊断技术已经不能满足这种大型网络的需求,伴随着计算机技术、人工智能技术的发展,故障诊断技术进入了全新的智能化阶段。模糊理论和BP神经网络经过几十年的发展在理论方面都已成熟,并且在故障诊断方面的应用也取得了一定的成果。本文对模糊理论和BP神经网络这两大理论在故障诊断方面的应用进行了探讨,提出了以传统的BP神经网络为主,并在此基础上利用模糊理论作为有益补充的一种智能故障诊断系统,从而克服了单纯使用神经网络产生的输入过大以及网络权重的初始值不当引起的神经网络的发散的缺陷,使网络诊断更加及时准确。首先诊断系统将接收到的各种运行参数利用隶属函数进行模糊化处理,将其作为BP神经网络的输入,然后利用训练样本对神经网络进行训练,充分利用已完成训练的神经网络的记忆联想能力进行故障识别,最后在输出层推理出最终的结果进行故障诊断。本文所提出了一个应用移动通信网络的故障诊断系统,该系统的核心部分主要包括两部分：模糊系统和神经网络。其中,模糊系统用来对需要进行故障诊断的实际数据进行模糊化处理,处理后的模糊数据属于[0,1]的范围内,这样的数据所训练的网络具有较好的收敛性；神经网络部分用来对已模糊处理后的数据进行网络训练以得到能够进行故障识别的网络系统。训练完成后,再利用测试数据对训练得到的网络进行了测试。通过测试表明,本文提出的模糊神经网络结构与单纯使用BP神经网络的结构相比,结果具有更快的收敛速度以及更高的准确率。