随着控制理论的不断完善和发展，以及计算机技术在工业控制领域的广泛应用，控制系统的自动化水平、控制品质均得到了显著的改善和提高。在追求控制系统良好控制性能的同时，对提高系统的可靠性和可维修性也提出了越来越高的要求。对于火电厂生产过程控制来说，目前提高其可靠性的方法是提高系统各部件的可靠性，增加硬件冗余，但这将使系统成本和规模增加。为此，可采用实时故障诊断技术，建立一套监控系统，使其能在系统故障前期或发生故障时迅速地检测且分离故障，进而采取必要的措施防止故障扩大，达到提高系统可靠性，减少维修时间和成本的目的。另外，火电厂生产过程控制系统回路众多，控制设备(传感器和执行器等)分布广泛，完全靠人力来检查和发现故障极费时费力。据统计，寻找系统故障花费的时间占系统修复时间的90％左右。为此，本文对火电厂生产过程控制的故障诊断及其实现进行了研究。
1 基于神经网络技术的故障诊断专家系统

本文提出的基于神经网络技术的专家系统就是力图模拟人类专家分析问题的过程，利用神经网络及专家系统反向推理的特点开发出一套混合诊断系统

1.1 基于神经网络技术的专家系统的结构和功能

基于神经网络技术的专家系统的结构如图1所示。信号预处理主要承担数据采集和知识表述的规范化。神经网络充当专家系统的正向推理机，它接收规范化处理后的原始证据输入，给出处理后的结果，然后利用专家系统的反向推理对其结果进行验证，从而提高整个系统的推理速度和诊断的正确率。控制中心控制着整个系统的输入输出以及系统的运行。

1.2 基于神经网络的专家系统的工作过程

诊断系统在投入运行前，神经网络要进行训练，训练后的网络方可进入运行。诊断过程如下：

(1)系统从现场采集数据，对数据进行初步处理，并启动神经网络诊断模块进行分析诊断，然后将诊断结果送入候选故障集；

(2)启动故障诊断专家系统，利用其反向推理机制对候选故障集中的故障进行验证。在诊断过程中，若诊断结果正确则整个诊断系统不作任何改变，若诊断结果发生了漏诊断，则系统在控制中心的调度下，启动学习机构，对专家系统的知识库进行修正。若发生误诊断则可修改专家系统知识库。