钢铁行业是关系国计民生的基础行业。高炉作为生产生铁的关键设备,它的正常冶炼关系到生铁质量和整个钢厂的经济效益。随着近些年钢铁需求的持续旺盛,高炉的建设倾向大型化信息化发展。而传统的高炉故障诊断技术和国外的系统由于检测设备、矿石原料、操作模式的差异,应用方面表现出很大的局限性。近年,随着分布式人工智能的一个分支多智能体系统领域的兴起,研究成果不断涌现为大规模复杂系统的故障诊断提供了一条新的思路。本文在分析高炉常见故障的基础上,详细研究了多智能体在故障诊断领域的系统设计和诊断方法,并在高炉故障诊断中仿真运行,全文主要工作如下：首先对高炉常见故障的征兆和成因做了分析。针对高炉故障的大规模复杂性、并发性和故障征兆与故障非一一对应的特性,利用多智能体系统的分布性、协作性、并行性等特点,将多智能体故障诊断技术引入到高炉故障诊断系统中。详细分析了智能体与多智能体的概念,结构,充分利用多智能体方法在大规模复杂系统应用的优势,并按照多智能体任务分解的原则和方法,将高炉故障对象分解为若干子故障进行求解。多智能体故障诊断系统的核心是诊断方法智能体,它关系到诊断系统的质量和诊断准确性。在多智能体系统中,诊断方法智能体是根据诊断故障对象特点选取的,一种故障甚至需要两种或多种方法综合诊断,以提高诊断准确率。在总结现有的诊断经验基础上,利用PCA-BP申经网络诊断方法智能体和模糊专家诊断方法智能体分别对高炉炉况进行诊断,弥补了传统单个神经网络容易出现的维数灾难和局部最小以及单纯模糊逻辑和专家系统应用出现的权威性不足和知识表达不健全等缺陷。根据这两种方法对故障的诊断结果,采用加权平均方法对结果进行数据融合,提高准确性。最后,在实验室环境下设计并实现了高炉运行监测与故障诊断仿真平台,利用西门子系列PLC搭建的下位机进行数据采集及通信,利用用VB与Matlab混合编程方法编写的诊断监控界面,分别运行测试,验证系统的有效性和可行性。