钢铁行业是国民经济的支柱产业，高炉炼铁过程是钢铁冶炼中的一个重要过程。高炉炼铁是在一个密闭的环境中进行的，发生的物理化学反应复杂，波动性大，一旦发生事故，将造成巨大的经济损失。由此，对高炉进行故障诊断，使其经常处于稳定、顺行状态，有着十分重要的意义。高炉内部的运动状态，目前是无法直接观察，也是无法直接通过仪表检测出来的。只能通过检测高炉外部参数的变化，通过建立一种诊断模型来推断出来。本文采用模糊神经Petri网专家系统来对高炉进行故障诊断，结合神经网络自适应、自学习和模糊控制逻辑推理强、能够表达模糊语义的优点，建立了一种模糊神经Petri网故障诊断模型。针对高炉故障特点对先兆预测分析原理进行了分析研究，提出了自己的设计方法。本文做了以下三方面的工作：（1）对高炉内部出现的五种主要故障及其征兆进行了分析阐述，结合高炉工艺及特征量的提取原则，选取了一组适合高炉故障诊断的特征量，由这些特征量经过诊断系统的分析推理，可以准确诊断出高炉结瘤、炉缸堆积、管道故障和炉热的发生。（2）在分析模糊Petri网及神经网络的优点的基础上，构建了基于模糊神经Petri网的专家诊断系统，使得诊断推理与网络学习更为完善。提出了“预诊、会诊、复诊”的诊断思想，采用了分级诊断的诊断思路，在对模糊神经Petri网进行推理时，采用了分层标志设定的方法，使得诊断结果更为精确。（3）运用VC++6.0中MFC功能设计了一套与前面诊断系统相对应的仿真程序，证明了该诊断模型的可行性。针对诊断系统中的一些问题，提出了需要改进的方面及对未来智能故障诊断的展望。