密闭鼓风炉熔炼过程是一个高度复杂的工业生产过程，传统的故障诊断方法由于需要建立比较精确的数学模型，从而在实际应用中遇到了难以逾越的障碍。因此采用人工智能的理论和技术，将各种先进的诊断理论和检测技术手段结合起来，构成一个有机的统一整体，对整个生产系统进行状态监测和故障诊断，是行之有效的方法。论文主要进行了密闭鼓风炉熔炼过程GO-STOP专家系统及基于模糊神经网络推理故障诊断系统的研究。一般的正常生产情况下，采用GO-STOP过程实现当前炉况及其趋势的预报，一旦炉况发生异常时，则启动模糊神经网络推理机进行故障诊断。GO-STOP系统比较可靠，推理过程简单，运算容易，可保证系统实时运行速度；故障发生时，详细而有用的诊断结果则依赖于模糊神经网络推理，文章还重点论述了知识库的建立，采用模糊产生式规则对大量密闭鼓风炉炉况知识进行描述，利用神经网络算法实现专家系统模糊规则的表达与推理，这里选用模糊—神经知识获取技术(FNT)，实现规则隶属函数的自动修改和规则可信度的自学习。第一章指出了课题的来源和意义，简要介绍了对密闭鼓风炉熔炼过程进行故障诊断存在的问题及研究方法；第二章介绍了故障诊断基本理论与技术，包括智能故障诊断系统的组成；第三章给出了密闭鼓风炉熔炼过程故障诊断系统的设计方案；第四章进行具体方案实施，详细论述了知识库的建立及推理过程的实现；第五章介绍了熔炼过程故障诊断系统的软件设计与实现；最后对整个研究工作进行了总结并提出了下一步要做的工作。