本文研究的是大规模并行处理系统的处理器的故障诊断。在本文一个系统简单的抽象为它所采用的互连网络的拓扑结构。自动的处理器故障诊断是系统实现高可靠性的不可分割的一部分。系统级诊断是利用系统中的处理器进行相互的测试,并解释测试的结果,定位故障的处理器。系统级诊断是一种可行的系统处理器故障诊断技术。当前随着系统的规模越来越大(一个系统可能包含几万个甚至十几万个处理器),在单位时间内发生故障的处理器的个数也会越来越多。当系统中存在的故障处理器的个数比系统的精确诊断度和悲观诊断度还要多时,目前所提出的精确诊断算法和悲观诊断算法全都失效。目前有两个流行的系统级诊断模型,即PMC模型和MM模型。本文分别在PMC模型和MM模型下提出了互连网络系统的环诊断算法。这个算法是针对哈密尔顿网络的,而目前几乎所有的系统都是采用哈密尔顿网络互连(除了树结构)。它可以成功的应对系统中存在大量故障处理器的情况(比传统的精确诊断度和悲观诊断度还要多)。本文定义了一个全新的诊断度,也就是分别在PMC模型和MM模型下推导出了N-环的错误界限T(N)。在这个错误界限下,它可以保证环的一个部分可以被挑拣出,即在这个部分中的所有节点的状态都可以被正确的识别出。接着提出了一个固定的五个轮回的自适应诊断算法(算法的诊断时间由轮回数目决定)。算法在任何情况下都不会将故障的处理器诊断为无故障的,将无故障的诊断为故障的。假设系统中存在的错误节点的个数不超过T(N),实验模拟表明算法可以识别出几乎所有的处理器。即使系统中的错误节点个数超过T(N),算法在一定程度上仍旧可用。