密闭鼓风炉的熔炼过程极其复杂，工艺结构庞大。传统的故障诊断方法由于需要建立比较精确的数学模型，从而在实际应用中遇到了难以逾越的障碍。本论文应用了人工智能的理论和技术，将一些先进的诊断理论和检测技术手段结合起来，构成一个有机的统一整体，对整个生产系统进行状态监测和故障诊断，取得了良好的诊断结果。 论文主要进行了密闭鼓风炉熔炼过程智能集成故障诊断系统的研究。智能集成系统由基于BP神经网络的生产过程早期故障诊断结构和专家系统结构组成。系统根据当前参数的变化趋势进行基于BP神经网络的生产过程早期故障诊断，诊断得到“潜在故障”与另一组参数进入专家系统结构，根据专家规则库中的规则集进行综合评价得到最终的诊断结果。神经网络结构具有自学习功能，对炉况的适应性强；专家系统结构可靠性强，推理过程简单，运算容易，可保证系统实时运行速度，并且规则易于理解。文章重点论述了生产过程早期故障诊断结构和专家系统规则库的建立。在故障诊断系统实施过程中，首先确定了待测故障和参数集，然后结合熔炼过程实际情况对系统各部分进行实例化并给出了具体诊断过程。 第一章指出了课题的来源和意义，简要介绍了密闭鼓风炉熔炼过程和国内外故障诊断技术的研究现状；第二章重点介绍了故障诊断基本理论与技术，包括典型的智能故障诊断系统；第三章提出了密闭鼓风炉熔炼过程故障诊断系统的设计方案，并对系统组成进行了详细介绍；第四章结合熔炼过程实际情况进行具体方案实施，详细论述了系统各部分的实例化及诊断过程的实现；第五章介绍了熔炼过程故障诊断系统的软件设计与实现；最后对整个研究工作进行了总结。