传统的故障诊断方法需要依靠专家的经验知识,但遗憾的是,专家的经验获取不易,且更新慢,一旦系统发生改变,专家经验就显得不足。而基于模型的诊断(Model-Based Diagnosis, MBD)正可以克服传统诊断方法的这种缺陷,它不依赖专家经验,所建立的部件模型与整个系统是独立的,可移植性好、可重复利用率高。最初,关于MBD的研究只针对静态系统,而后针对离散事件动态系统(Discrete-Event Systems, DESs)的基于模型的诊断方法受到了越来越多研究者的关注。基于模型的离散事件系统故障诊断基本思想为：首先,对系统建模,比如使用自动机、进程代数、Petri网等工具描述离散动态系统；其次,监控系统运行获得观测信息；然后,通过观测与系统模型同步匹配,推断系统的轨迹(其中含有相关的故障信息)。由于系统模型或观测的不完备性等原因,通常还需要考虑系统模型的可诊断性,即在给定足够多的观测信息时,能否确定某故障已经出现。本文基于自动机工具对离散动态系统建模,并对相关的故障诊断方法和可诊断性判定问题进行了研究,主要工作如下：1)研究了经典的离散事件系统基于模型的故障诊断方法,即通过构建诊断器来查找故障,并可用于判定系统是否可诊断。2)分析并设计了经典诊断器方法的具体实现算法。3)研究了一种改进的离散事件系统基于模型的故障诊断方法--双模型方法,它比诊断器方法有更低的计算复杂性。4)分析并设计了双模型方法的具体实现算法。5)设计并完成了一个基于模型的离散动态设备故障诊断原型系统,在诊断平台上集成了经典的诊断器方法和改进的双模型方法,并可为其他诊断方法提供扩展空间。6)研究了基于连续的两个时间窗口的在线诊断方法,分析并设计了此方法的具体实现算法,在此基础上设计并完成了一个基于连续两个时间窗口的实时故障诊断推理原型系统。