系统的安全性和可靠性问题已引起人们愈来愈多的重视，正在逐步成为设计和评价系统的重要指标。故障诊断研究的意义在于避免事故发生或者降低事故的危害程度，这无论是对于工业生产，还是生物医学、航空、航天和国防领域都有着非常重要的经济意义和社会意义。基于软计算的故障诊断是将软计算与可靠性理论、控制论、人工智能和系统论相结合，以现代测试仪器和计算机为技术手段，实现系统的故障诊断。本文针对非线性系统故障诊断问题，研究和探索基于软计算的故障诊断机理及应用。主要成果如下：（1）将自适应模糊推理系统ANFIS用于非线性系统建模，将ANFIS和LVQ结合，研究了一种基于模型的故障诊断机理。从ANFIS模型中抽取特征参数作为LVQ网络的输入向量是诊断的关键。将包含故障主要信息的输出部分的参数作为LVQ网络输入向量的主要部分，通过对输出部分参数、输入部分隶属函数参数以及值域加权构成LVQ的输入向量，从而实现故障诊断。（2）考虑故障在线诊断的需要，提出了一种基于ANFIS多模型的在线智能故障诊断机理。通过同时在线运行多个ANFIS模型来表示不同的工作状况或不同的故障，产生偏差信号。诊断机理综合考虑系统的动态特性、鲁棒性和灵敏度，用偏差绝对值的累加和来探测故障的发生，特别是还引入一个独特的故障指数FI（Fault Index）来指示故障的发生和类型。（3）选用了具有紧支集且有广义线性相位的二次样条小波对ECG信号进行二进小波变换，采用相应策略完成心电信号ECG信号ST段提取。（4）针对多输入多输出（MIMO）ANFIS学习过程复杂的问题，为了提高诊断系统的准确度，研究了一个由训练系统和诊断系统构成的诊断机理。训练系统对应于，n种故障分别建立，n个ANFIS子模型。诊断系统则是把测试数据分别输入n个ANFIS系统，计算各子推理系统得到的输出y_i（i=l，…，n，i代表子系统的序号）与标准输出1之间误差e_i=|1-y（?）_i|，令e_k=min{e₁，e₂，…，e_n}以诊断第κ种故障的发生。（5）研究了基于模糊自适应谐振映射理论（ARTMAP）神经网络的故障诊断机理，推导出诊断网络的训练和分类算法。该网络具有对未知故障进行分类的能力。（6）针对BP网络的缺陷，研究了基于遗传算法的BP神经网络故障诊断机理，给出了三层BP网络的遗传算法学习网络权值和阈值的方法和步骤。（7）为了将模糊神经网络应用于动态故障诊断，构造了一种基于T-S模糊模型的递归神经网络，采用在反馈环节添加记忆元件来实现输入输出的动态映射。理论证明和仿真结果表明该网络可以逼近任意定义在一个封闭且有界集合上的函数。本文首次提出（1），（2），（4-7）六种基于软计算的故障诊断机理。（1）和（2）已成功实现了气动执行器的故障诊断，（3-6）在冠心病早期诊断上作了大胆的尝试，取得了很好的结果。由此可见，相对传统故障诊断，基于软计算的故障诊断在进行复杂非线性系统的故障诊断方面，具有获取信息更广、更方便，诊断更灵活，诊断的灵敏性更高和鲁帮性更强等突出优点。将其拓展应用于ECG信号分析上，提高了生物电信号的分析和处理能力，增加了故障诊断的研究内容和应用范围。生物医学信号的分析处理将成为故障诊断的一个重要研究领域。