故障诊断是指在一定工作环境下查明导致系统某种功能失调的原因或性质,判断劣化状态发生的部位或部件以及预测状态劣化的发展趋势等。故障诊断技术是40年来发展起来的一门新学科,它具有很强的工程背景和重要的实用价值。近年来,为了满足复杂系统的诊断要求,随着计算机及人工智能的发展,诊断技术进入以知识处理为核心,信号处理、建模处理与知识处理相结合的智能诊断技术阶段。基于理论上较成熟的专家系统和BP神经网络,本文对专家系统和BP神经网络在液压设备故障诊断方面的应用进行了有益的探讨,提出了以专家系统为主,采用BP神经网络作为有益补充的智能故障诊断系统的基本结构。系统根据接收到的液体加注系统的运行参数与知识库中预先存储好的故障征兆表搜索出已发生的故障征兆,接着根据专家系统知识库中的规则表搜索出所有可能的故障原因,然后逐一验证所有可能的故障原因中其它征兆是否成立,直到最终推理出诊断结果。如果在专家系统知识库中搜索不到完全匹配的故障,则调用神经网络知识库进行推理,得出诊断结果。在专家系统部分,进行了知识库的设计,提出了综合采用面向对象方法和产生式规则表示法的知识表示方法,并采用数据库技术建立和维护知识库;在推理机设计中,发挥专家系统良好的人机交互功能,采用正反双向混合推理方法进行推理;在解释程序的设计中,采用预置文本与路径跟踪法,可以在用户需要时给出对推理结果和过程的详细解释。在神经网络部分,通过对液体加注系统的分析,建立了BP神经网络的基本结构,并提取专家系统知识库中的规则作为样本集和测试集,经过MALTAB的仿真训练和测试,得到最终的正确率较高的权值和阈值系数集合作为神经网络的知识库,在进行故障诊断时可由已建好的神经网络结构进行正向计算,推理出最终结果。在系统具体实现中,采用Visual C++ 6.0进行人机界面和整体控制程序的设计,采用ACCESS 2000进行知识库的建立、维护和其它数据文件的管理,利用Matlab进行神经网络部分的训练、仿真和计算。完成整个系统设计后,我们利用MCGS组态软件建立了燃料加注系统的二维虚拟模型,以模拟实际液体加注系统的运行对智能故障诊断系统进行测试,使我们能更加直观地监测智能故障系统的运行状态和故障诊断结果。经过测试实验,证明本系统达到实际应用要求,具有较高的准确率。本文提供了一种用于液压设备故障诊断的通用方案,对于类似系统的设计开发具有借鉴意义。本系统的投入使用可以提高实时故障诊断的准确性和速度,节约人力、物力,为防止重大生产事故的发生起到积极的作用。