掘进机作为一种专用于开凿隧道的大型机具,工作环境恶劣,容易发生故障,而液压系统是掘进机出现故障的主要部位之一,且掘进机液压系统元件多,回路复杂,并具密封性,导致其故障的作用机理、影响因素和表现形式多种多样,操作人员难以快速准确的找出故障原因,进行正确的故障处理,从而引起人身安全与经济损失的问题。因此,对掘进机液压系统进行故障诊断至关重要。由于掘进机液压系统的复杂性,传统的诊断方法难以满足诊断要求,这时必须采用智能故障诊断的方法。本文研究了一种将模糊理论与BP神经网络相结合的故障诊断方法,并将其应用于掘进机液压系统故障诊断中,构建了基于模糊神经网络的掘进机液压故障诊断专家系统的结构框架,应用VC++与Matlab实现了故障诊断软件。本文主要完成了以下工作：(1)完成了对掘进机液压系统工作原理的分析,通过研究其故障机理与故障模式,总结出了液压系统的共性故障和掘进机液压系统的个性故障,同时确定了本文研究所需的故障特征参量,为本文的研究做了前期准备。(2)按照专家系统设计原则,建立知识库的总体结构包括故障类型库,故障数据库,故障规则库等,并将关系数据库引入知识库系统,利用ACCESS作为数据库平台,充分利用了数据库技术,对知识库进行管理维护,为故障诊断专家系统的开发运用奠定基础。(3)对BP神经网络与模糊理论进行简要介绍,分析二者用于故障诊断的优缺点,并将两者结合,根据液压系统的实际情况,分别建立BP神经网络模型和模糊BP神经网络模型,利用MATLAB进行仿真,结果表明模糊神经网络模型的收敛速度快,精确度高,其性能明显优于BP网络,适合用于掘进机液压系统的故障诊断。(4)给出了系统总体软件设计方案,设计了各个功能模块结构及界面,在此基础上,以VC++6.0与Microsoft Access数据库软件平台开发了掘进机液压故障诊断专家系统试验平台,用模糊理论来确定故障发生的程度,神经网络完成自学习功能,对基于数据库技术的知识库和模糊神经网络推理机制进行实例的验证。