随着经济的发展,社会对黄金等稀有金属的需求逐年提高。作为主要的提金技术,湿法冶金因其在处理低品位复杂矿石上具有独特的优势而被广泛采用。但随着湿法冶金生产规模的不断扩大,生产过程的复杂程度以及危险性也越来越高,连续的生产以及设备的长时间运行都会导致湿法冶金过程发生故障的几率升高,而且一旦发生故障,很可能会造成巨大的损失。因此,对湿法冶金过程进行故障诊断具有重要的意义。由于湿法冶金生产过程中定性信息和定量信息并存,同时具有确定信息以及不确定信息,因此单纯基于数据的故障诊断方法效果往往不够理想。以动态因果图（Dynamic Causality Diagram,DCD）为代表的基于专家知识的故障诊断技术,由于能弥补完全依赖过程数据进行故障诊断的缺点而得到专家学者的广泛关注。本文以湿法冶金浸出过程为研究背景,通过建立浸出过程因果图并计算各可能故障原因的条件概率,得到浸出过程深层次的过程故障原因,从而实现对浸出过程常见故障的诊断。首先分析了湿法冶金浸出过程工艺机理及常见故障,通过机理知识及因果图结构学习算法建立浸出过程故障诊断因果图,然后根据因果图参数学习算法获取模型参数,并且利用因果图推理方法对浸出过程常见故障进行仿真分析,仿真结果验证了因果图故障诊断方法的有效性。为进一步提高因果图故障诊断的精确性,本文提出改进的区间数因果图推理方法。通过采用区间数来表示过程中的不确定信息,并且将区间数代入因果图推理计算过程,最后通过定义区间信任度对推理结果进行加权,得到更为准确的诊断结果,减小诊断误差。仿真验证了改进的区间数因果图故障诊断方法的先进性。