近年来随着科技学术的逐渐发展、客户要求的不断提高以及行业竞争压力的不断增大,聚氨酯保温板生产线设备的自动化程度也越来越高,并逐渐朝着大型化、系统化和智能化的方向发展。由于聚氨酯保温板生产线每次开机都需要消耗大量电能,并且生产所需的化工原料也很昂贵,一旦发生故障如不能及时处理,将会带来很大的损失。故障诊断技术在聚氨酯保温板生产线中的应用少之又少,原有的诊断系统自适应性差,缺乏学习功能,对于一些复杂的不确定性故障更无法准确诊断。为此本文采用一种神经网络和专家系统相结合的诊断方法来对聚氨酯保温板生产线进行故障诊断和监测。首先重点分析基于神经网络的故障诊断方法,诊断对象主要针对聚氨酯高压发泡机,发泡机是整个生产线的核心设备,为了及时准确的对故障进行诊断,故选用BP神经网络对其进行诊断。本文采用了自适应免疫遗传算法对BP神经网络进行优化,克服了BP神经网络原有的一些缺点,利用历史故障数据对优化后的BP神经网络进行MATLAB仿真测算,结果表明改进后的算法诊断速度和准确率都明显提高。其次介绍了基于故障树的诊断方法,诊断对象为聚氨酯保温板生产线其他设备,在对故障机理分析的基础上建立故障树模型,并使用故障树分析法和层次分析法来计算故障树的权重。然后构建聚氨酯保温板生产线专家系统,故障树分析法诊断部分,采用生产式表示法去描述故障规则,建立专家系统知识库,推理机制上采用正向推理对生产式规则知识进行推理诊断。在神经网络诊断部分,知识通过实例学习获取,存储在BP神经网络的结构中,推理过程由神经网络来完成。最后介绍诊断系统的整体设计方案,从硬件设计和软件设计两个方面展开。利用Visual Studio 2012、SQL Server 2012和MATLAB三款软件联合开发聚氨酯保温板生产线故障诊断软件系统。经模拟实验进行验证,结果表明该诊断系统有很高的实用性。