当中央空调系统某个设备出现故障时,维护人员要迅速确定故障所在并加以排除也不是一件轻松的事。另外,设备一旦发生故障,通常需要异地厂家的技术人员及相关专家亲临现场进行监测及诊断,这大大增加各方面的经济负担和人员负担,同时也不能使故障得到及时排除。因此有必要对中央空调系统进行智能化的故障诊断,以保证快速准确的发现故障,判断故障所在。本文以某医药企业的制药厂的中央空调系统为研究背景,先对该中央空调系统空气处理器的故障进行分析,确定了具有代表性的5个故障现象和11个故障原因,以及它们之间的影响关系。本章首先对人工神经网络的基本概念、基本模型以及BP神经网络的模型和算法进行了简要的介绍。然后根据该空调系统的实际情况,建立了基于BP神经网络的故障诊断模型并利用MATLAB进行仿真,结果表明采用该BP神经网络模型的收敛速慢,而且,远远达不到目标误差。该BP网络的实际输出和理想输出相差很远,所以利用该BP网络无法实现该中央空调空气处理器的故障诊断。第六章首先对模糊信息处理的神经网络方法、基本模糊神经元和模糊神经网络模型进行了简要的介绍,并构造了基于模糊神经网络的中央空调空气处理器的故障诊断模型。该模糊神经网络共有4层,对每一层神经元的确定做了详细的介绍,并给出了5类故障现象的隶属度函数。最后利用MATLAB对该模糊神经网络进行仿真。结果表明,该模糊神经网络比BP神经网络的收敛速度快,且其实际输出和理论输出非常接近,该模糊神经网络的诊断性能明显优于BP网络。该模糊神经网络完全可以满足该中央空调空气处理器故障诊断的需求。