随着现代化大生产的发展和科学技术的进步，现代设备的结构越来越复杂，功能越来越完善，自动化程度越来越高。系统的复杂性越高，投资也越大，一旦发生故障，将会造成巨大的损失，人们迫切要求提高系统的可靠性、可维护性和安全性。虽然选择优质元件和增加冗余可以满足上述指标，但是系统最终还是存在发生故障的概率，因此故障诊断技术便成为提高系统可靠性的有效手段。 本文研究的是通用性故障诊断专家系统平台的开发，主要采用神经网络信息融合的方法。神经网络技术选择的是有导师学习的多层感知器和无导师学习的自适应谐振理论，其中自适应谐振理论对数字信号和模拟信号又分为ART1型网络和ART2型网络。针对多层感知器的BP算法收敛速度慢的特性，提出一种新的参数自适应调整的方法；针对自适应谐振理会出现输入次序和模式漂移的问题，分别提出IART1型网络和IART2型网络的改进算法。 针对故障诊断专家系统实用性与通用性的矛盾，在简要分析专家系统工作原理的基础上，提出了一种以用户为中心的通用性故障诊断专家系统平台设计方案，主要分为建模模块、知识获取模块和诊断模块。其中用故障树对被诊断系统进行建模，将规则推理、模糊推理与信息融合算法推理融为一体，形成阶梯式故障推理机制；对不同的诊断对象，只要设置好必要知识模块，就可自行生成专用故障诊断系统，并能自动输出诊断结果。神经网络信息融合分为多层感知器信息融合和．ART网络信息融合。 本文使用Visual C++6.0开发了通用平台的人机界面，使用SQL Server 2000开发了通用平台的数据库，并且使用ADO技术作为应用程序层接口。