离散事件系统是由离散事件触发而引起状态迁移的一类自然或人造的动态系统,系统的运行是由离散事件错综复杂地相互作用所决定的.现实世界中,系统往往具有不确定性,模糊性和主观性.在描述和处理这一类问题时,模糊离散事件系统将离散事件系统与模糊集合理论相结合,发挥着重要的作用.在复杂系统的研究中,由于不可观察事件和错误事件的存在,错误的诊断和检测有着相当重要的地位.目前,对这个问题已经有了一定的研究.本文以max-min形式的模糊离散事件系统为建模工具,基于不可区分串的概念提出了新的模糊离散事件系统可诊断的概念.然后构造诊断器,讨论了模糊离散事件系统可诊断的充分必要条件和算法,并将这一套方法成功的应用于动物疾病的治疗案例.另外,本文提出的针对模糊离散事件系统的诊断方法同样适用于经典离散事件系统的诊断问题.在第一章,主要介绍经典离散事件系统及经典离散事件系统可诊断问题的相关知识.在第二章,首先回顾了max-min形式的模糊离散事件系统的相关知识.其次,在模糊离散事件系统产生的语言中,定义了模糊离散事件系统框架下不可区分串的概念,即任意长且具有相同可观察行为的串（区别于其他文献,这里具有相同可观察行为的串是指对所有的模糊离散事件可观察行为相同）.并且每一个串都有一定的错误程度.然后提出了模糊离散事件系统基于不可区分串可诊断的概念,并构造诊断器用以寻找所有的不可区分串.最后基于模糊离散事件系统诊断器的性质,建立了模糊离散事件系统产生的语言中不可区分串与诊断器中循环之间的一一对应关系,并证明模糊离散事件系统可诊断的充分必要条件.这个条件对于经典离散事件系统依然成立.在第三章,讨论了模糊离散事件系统可诊断的算法以及算法的时间复杂度,得出本算法的时间复杂度为并且成功地将此算法应用于动物疾病的治疗案例.