无线自组织网络(MANET)是一种不依赖固定基础通信设施的特殊无线网络。它从功能上和本质上与传统的有线网络迥然不同,同时与蜂窝网络和无线局域网等其他无线网络也有显著不同。目前学术界投入了大量的精力来研究无线自组织网络。但是绝大部分研究都是关于路由、移动性管理等组网技术,而有关其网络管理的研究非常少。目前组网技术的研究已经接近成熟,很多研究学者或机构陆续提出了相关的协议标准。为了无线自组织网络能够尽快在紧急灾难救援和临时集会等场合应用,故障管理作为网络稳定通信的保障技术就变得越来越重要。目前故障管理的研究成果大多数是基于有线网络的,依赖确定性的网络故障模型和正确完整的故障征兆信息。这些条件对于MANET是很难甚至无法得到满足的。现在,也有少数有关MANET故障管理的论文发表,但是这些算法或系统存在着效率低,网络通信开销大等缺点。因此,有必要研究并实现一种专门针对MANET的故障管理系统。本文将人工神经网络技术应用于无线自组织网络的故障诊断中。同时,针对传统的BP(Back Propagation)神经网络训练算法收敛速度缓慢、易陷入局部最小值等缺点,提出了一种基于遗传算法GA(Generic Algorithm)的神经网络改进训练算法-混合GA&BP算法。实验结果表明,混合算法可以加快BP神经网络的收敛速度,避免陷入局部最小值并能提高故障诊断正确率。为了有效收集网络故障征兆信息并尽量不增加系统通信开销,本文设计了基于SNMP的分级故障数据采集系统。最后,使用JAVA语言在在Linux系统环境实现了该系统。在实际无线自组织网络环境下测试了该故障管理系统故障征兆信息收集和实时故障诊断功能。测试结果表明该系统可以达到预期的设计目标。