石油化工是我国国民经济的支柱产业之一,在促进经济和社会发展中占据着十分重要的作用和地位。催化裂化装置作为炼厂的核心装置,生产过程连续化程度高、工艺复杂、操作变量及设备种类繁多,发生故障的几率与危险程度高。提高该生产过程的安全性、可靠性和有效性十分重要。本文分析了各种故障诊断方法的特点,结合催化裂化装置的工艺、设备、运行特点,利用专家系统方法和神经网络方法两者融合的优势,以塔西南石化厂催化裂化装置反应—再生系统为研究对象,开发了TFCCFD系统。通过分析反应—再生系统可能出现的隐患,对故障、故障征兆以及相应处理措施进行了汇总、分类,归纳出工艺类和设备类两类故障。根据反应—再生系统的历史数据和操作条件,确定了7种工艺类故障与4种设备类故障；并确定了相应的15个工艺类故障征兆参数与8个设备类故障征兆参数。确定应用BP网络模型,设计工艺类故障与设备类故障的网络结构分别为15-12-7和8-8-4。采用自适应学习速率调整算法,选取S型函数作为激活函数,在保证网络收敛的情况下,学习速率、期望误差分别取较大值0.8和0.01。结果表明,以实际操作数据和仿真培训数据作为输入数据,TFCCFD系统能快速诊断,分析故障原因、判断故障性质并反馈处理措施。工艺类故障和设备类故障两个子网络诊断结果的正确率为75%,误诊率为25%,基本达到了预期要求。