随着科学技术的不断进步，化工过程的复杂性不断提升，向着大规模、自动化的趋势发展。化工生产的原料易燃易爆，生产环境一般处于极端条件，因此故障会造成很大的危害。如何快速高效地推理并确定故障源已经成为了化工安全领域的研究热点。符号有向图(SDG)由于具有良好的信息完备性，不需要精确的数学模型即可快速地描绘出故障的传播过程，以及反映不同工作状态下变量间的相互作用关系等优点，被广泛应用于工业的故障诊断与故障定位。传统SDG包含的定性信息无法描述故障的严重程度，在进行复杂系统推理时需要大量时间，对于多个候选故障源无法进一步分辨。现有的SDG诊断方法大多从某一角度对传统SDG进行改进，会导致一些问题的出现，如对SDG模型进行信息扩充后，系统的诊断效率降低；忽略了故障动态信息，无法精确的定位故障源等。为了解决这些问题，本文提出了一种综合故障诊断方法，从模型、结构、推理三个方面对SDG模型进行了改进。传统SDG模型中，模型定量信息不足，故障的分辨率较差。变量节点只有三种状态，包含的故障信息较少。节点状态是根据阈值建立的，而阈值的设定是判断系统是否故障的重要标准。传统SDG模型的建立依托了单一阈值的设定，节点只描述了故障是否发生，并没有反映出故障的严重程度。同时由于测量过程中噪声的存在，清晰值无法准确的描述故障信息，这就需要用更为完备的方法来描述系统变量。为了弥补SDG模型分辨率低及定量信息不足的缺点，本文将三级状态扩展为五级状态，同时引入了模糊集合理论，得到了一种模糊五级SDG模型。扩充模型信息会增大系统结构的复杂性，提高了搜索的难度。将SDG模型按照分层策略进行层次化处理，能够简化模型的结构。另外，分层后的SDG模型中，故障只能由高层向低层传播，从而能够快速得到候选故障源，减少了搜索空间。故障的搜索通常采用回溯搜索，但由于诊断信息不足，无法进一步搜索故障源。本文从推理角度引入了故障定位算法，通过公共点的设定，将故障源定位问题转化为相容通路优先级的排序问题，同时引入了故障放大倍数、故障支持度和故障速度来定位故障源，提高了故障定位的精度，弥补了传统SDG只包含静态信息的缺点。最后以TEP过程为例进行故障模拟分析，验证该方法的有效性。仿真结果表明，该方法高效准确，具有良好的信息完备性与故障定位能力，对减少设备损耗及提高化工系统的安全性起到了推动作用。