化工行业是我国的支柱行业之一，它涉及到经济、国防、资源和人类衣食住行的各个方面。一方面，随着科学技术的发展和人们生活水平的提高，各行各业对化工产品的需求量的不断增加，为满足社会需求化工类企业的生产规模不断扩大，工艺复杂程度越来越高。近年来随着计算机和过程控制技术的不断创新，化工过程中的自动化水平不断升高。另一方面，化工行业属于高危行业，一旦发生化工安全事故，将会对社会和企业造成巨大的生命和财产损失，这使得化工过程的安全性受到越来越多的关注，所以开发实时高效的化工过程故障诊断技术成为领域专家的一个研究重点。本文首先介绍了化工过程故障诊断的研究背景和意义，对三种故障诊断方法进行简单的介绍，阐述了符号有向图在化工过程故障诊断中的特点，总结了到目前为止国内外符号有向图(SDG)故障诊断的研究进展和现状。SDG模型中节点的状态有－0＋三种，分别表示节点偏低、正常、偏高三种状态。支路的因果关系有正作用和负作用两种。本文针对传统SDG模型进行故障诊断不考虑变量之间定量信息而是单纯的依靠变量之间因果关系的不足，利用模糊理论中的隶属度与SDG结合，在定性SDG模型中融入变量本身变化的定量信息。节点隶属度的大小意味着其所代表的参数偏离正常值的程度，其值越大表示越不正常，其值越小表示正常程度越高，这样在确定故障源的时候能够有效提高诊断分辨率。在故障推理上，本文采用的是正反向混合推理，即先根据已知的数据或状态在SDG模型中沿着相容通路进行反向搜索，找出可能的故障源；然后从隶属度大的故障源开始，根据模型中的支路符号进行正向验证，看各节点的状态与实际系统状态是否一致。这样可以有效去除故障源集合中的虚假解，提高了故障诊断准确性。为实现对系统的在线诊断，本文把半定量的SDG模型与实时专家系统结合。把半定量SDG模型推断出的结论用If-Then形式编写成知识规则，储存于专家知识库中，为专家系统提供专家知识。以典型的化工过程------Tennessee Eastman(TE)过程为例进行仿真，并对诊断结果进行分析，验证运用该诊断模型进行故障诊断的准确性和可行性。