随着现代科学技术的飞速发展,工程设备日趋复杂,现代化的工业系统不断朝着大规模、复杂化、集成化方向发展,自动化程度也越来越高,设备运行的安全性和可靠性也越来越受到人们的重视;与此同时,由于设备结构的复杂性以及高负荷连续运转,所以随着时间的增长和内外部条件的变化,不可避免地会发生故障。这类系统一旦发生故障,轻则降低设备性能,影响生产,重则停机停产,毁坏设备,更甚者机毁人亡,不仅将会造成人员和财产的巨大损失,而且对生态环境也将会造成不可挽回的影响。在过去30年里,传统故障诊断技术得到了快速的发展,并在工程中发挥了巨大的作用。传统故障诊断技术对于比较简单的设备或单一设备,能够较好得发挥其独特技术但对于大型复杂设备或多个故障交互情况却显得无能为力,尤其在没有专门故障检测设备的情况下,要实现故障的较好诊断就难上加难,这时如果采用基于异常数据的智能故障诊断技术就可以只对现有测量数据进行分析抽取异常数据,然后进行基于异常数据的智能故障检测并进行分析处理,这样一来就可以使故障诊断简单化,故障处理精确化。本文首先对故障的定义及智能故障诊断的一些方法做了说明,阐述了智能故障诊断的意义,分析了现有故障诊断的优点和不足,为了能更有效且实现简单化,设备最少化,从而提出了利用异常数据作为智能故障诊断特征样本来进行智能故障诊断的方法:首先进行了测量信号的抗干扰(Anti-Jamming)措施的处理,来增加异常数据的有效性,尽量提供纯净可靠的测量数据;接着阐述了异常数据的定义及其检测方法,采用偏最小二乘异常数据的检测方法来提取异常数据;然后,用已提取到的异常数据作为特征样本,采用ANFIS的故障诊断方法来进行智能故障诊断,并以实例来进行试验仿真,说明了此种方法的有效性。最后,本文提出了故障之间的相关性问题,并采用模糊关联规则的挖掘方法来推断可能漏检或即将出现的故障,并给出了仿真试验,证明了此种方法的有效性,从而提高了故障诊断的准确性和故障预测有效性。