高功率激光装置运行状态的监测和诊断直接关系到装置运行的可靠性与安全性。在目前的高功率激光装置中主要采用传统的阈值监测方法进行重要参数的监视，该方法只能提供参数偏离正常运行的状态，难以发现故障发生的根本原因及异常情况的发展趋势，所以开展优于传统方法的智能故障诊断对于提高高功率激光装置的可靠性、安全性、维修性及有效性具有重要的意义。本文在我国大型科学项目“高功率激光装置”的支持下，以高功率激光装置参数测量电控系统为主要研究对象，对智能诊断系统实现的基本结构、技术原理及方法进行了深入的研究。本文的主要研究内容和创新点如下：1以高功率激光装置参数测量电控系统为研究对象，建立了一个功能相对较完善的智能故障诊断系统，其功能包括实时状态监测、诊断知识规则获取、故障诊断、故障维修决策等功能。2提出了一种基于Core Searching算法、满足IND(B)=IND(A)（A为属性集合，B为最小的知识约简集），同时从数学的角度将属性约简和属性值约简统一起来的一种约简算法。该算法充分利用了判断条件IND(B)=IND(A)，保证了获得的约简集是最简的，且同时获得了最简属性和属性值，大大减少了计算量。3提出了基于RBR、CBR、RBF云神经网络三者协调工作的故障诊断方法。该故障诊断方法将上述三种诊断方法的优点结合起来，使融合以后的诊断方法具有云理论的模糊性、随机性，兼有RBF自学习和自适应能力，同时具有RBR、CBR的联想、类比、推理等能力，能够实现对故障的快速、准确定位，大大提高了诊断的效率。4研究了以RCM为中心的维修理论。针对被诊断系统的故障维修决策问题，采用RCM方法进行了维修方式和维修周期的决策分析及计算，并以此为依据判断系统或设备是否需要进行检修、维修及采用何种维修方式等。5开发了该智能故障诊断系统，实现了系统的各项预计功能，验证结果证明了故障诊断系统各功能的有效性。