故障诊断与预测作为计算机集成过程运行系统(CIPOS)中的关键技术之一,是确保企业安全运行的重要环节,目前,已成为工业界和学术界关注的焦点,并取得了许多有意义的成果,但这些方法仍存在不足,不能满足实际的需要,有必要做进一步的研究。本文在回顾了现有理论成果基础上,按照从理论到实践的方式,采用定性、定量相结合的方法,从多侧面、多角度,对复杂过程工业系统的故障诊断和状态预测问题进行了研究,为实现CIPOS向实用化阶段发展奠定了良好的基础,这正是本文研究的目的和意义所在,本文主要研究内容如下:第一、分析了近年来故障诊断技术的研究现状和故障智能诊断系统的发展现状,对现有的各种故障诊断方法进行了分析与评述,介绍了故障诊断技术的理论基础,指出了现有故障诊断系统中存在的问题和局限。第二、对系统的故障状态识别问题进行了研究把信息论中的信息熵引入到复杂过程工业系统的故障诊断中,提出了Kolmogorov熵对系统故障状态具有敏感的“指示”特性,通过实例对系统的正常、弱故障和强故障状态进行了识别;利用Cohen类时频分布能使系统在不同状态下的细节信号得到充分显示的特点,选用了Choic-Williams核函数计算时频分布,对系统的不同状态进行了监测,结果验证了基于Kolmogorov熵时间序列分析的系统故障状态识别的可靠性,为复杂过程工业系统的故障诊断提供了新的思路。第三、利用粗糙集理论,对诊断知识获取问题进行了研究将粗糙集理论用于过程工业系统中故障诊断知识的获取。给出了基于粗糙集理论的故障诊断知识模型及建模的主要步骤,研究了建立诊断知识模型所需要的关键技术;给出了复杂系统诊断知识规则提取的实例分析。本文所给出的基于粗糙集理论的故障诊断知识建模方法为解决专家系统诊断知识获取“瓶径”问题提供了有效方法,该方法可以推广到故障诊断过程以外的、其它的无法建立精确数学模型的过程。第四、基于多传感器信息融合的集成化智能诊断系统的研究针对复杂过程工业系统的特点,提出了基于多传感器数据融合的故障诊断层次划分和诊断策略,给出了系统的故障诊断流程;对过程工业系统中的多类故障诊断问题进行了研究;给出了基于信息融合策略的集成化智能诊断系统模型,对其结构和推理机制进行了研究。