随着科学技术的不断发展和人们生活水平的不断高,通风空调系统被应用的场所变得越来越多。地铁、煤矿开采、地下超市、实验室等场所都有它的存在。不同的应用场景对通风空调系统的运行要求也有所不同,但是它们在各自的应用场景中起到的作用都是非常重要的。如果通风空调系统发生故障后不能被及时发现,那么将会严重影响所在场所的环境,还可能造成不必要的损失。通风空调系统的功能在变得越来越强的同时,系统结构也在变得越来越复杂,这也导致通风空调系统可能产生的故障隐患也越来越多。近些年,虽然故障诊断技术在很多领域都有了较快的发展,但是我国在通风空调系统故障诊断方面的研究成果却十分有限,更没有较为完整的研究体系,存在的问题亟需解决。针对这个问题,本文对通风空调系统及系统内的风机进行了相关的故障诊断研究。本文以主体为组合式空调箱（AHU）的通风空调系统为研究对象。首先对通风空调系统中组合式空调箱的结构和功能进行了详细介绍,并在了解通风空调系统设备组成和工作原理的基础上,详细分析了通风空调系统各个部分可能产生的故障类型。然后通过分析通风空调系统在异常运行时各个参数的变化,再结合各个部件的作用以及各个部件之间的联系,确定了故障产生原因和故障类别间的逻辑关系。接着根据故障原因和故障类别间的逻辑关系,利用故障树分析法,分别建立了通风空调系统的故障树和其他子故障树。最后通过实例的验证,证明了该故障树模型在解决实际故障时的实用性和高效性。这为以后研究通风空调系统的故障诊断奠定了一定的理论基础。另外,本文针对通风空调系统的风机,构建了一种基于神经网络和改进D-S证据理论的故障诊断方法。具体步骤为:首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用神经网络SoftMax多分类的方法对数据进行一级决策分类,最后利用改进D-S证据理论算法,实现对风机故障诊断的最终决策。因为时间原因,无法在较短时间内采集大量风机故障参数,不利于模型验证。于是本文用类似于风机系统的实验室环境控制系统对此控制决策方法进行了模型验证,并对实验结果进行分析,表明了该决策方法的精确性和可行性。