基于神经网络的故障诊断是智能故障诊断理论与技术的一个重要研究方向。论文在对目前主要的神经网络诊断方法进行研究的基础上，将系统的故障诊断分为检测级故障诊断和系统级故障诊断两类来进行处理。利用系统的冗余信息，提出了基于D-S证据理论对集成神经网络的输出进行融合的方法。该方法将每个神经网络看作一个证据，对神经网络的输出在时间域、空间域上进行融合，从而提高诊断的准确率，而且可以在神经网络和模糊神经网络之间融合，并进行仿真，表明了它的可行性。 论文还针对故障诊断中神经网络算法的缺点，研究了将遗传算法应用于网络权值优化的问题，提出了一种改进型GA-ANN算法。该算法将BP算法和遗传算法有机地结合在一起，吸取了二者的优点，具有较快的收敛速度和全局寻优的特点。论文通过将该算法与改进的BP算法、GA算法、普通GA-ANN算法比较，仿真结果表明该算法优于BP算法和普通GA-ANN以及GA算法。