盾构机是一种大型隧道施工设备，由于其结构非常复杂，现场施工环境恶劣，容易发生故障。如不能及时有效的进行故障诊断，将会造成故障恶化、设备损坏等严重后果，并且会增加施工成本，降低施工效率。因此研发盾构机智能故障诊断系统就显得尤为重要。目前神经网络和专家系统这两种技术已经成为人工智能研究领域的两个热点，并在故障诊断领域得到了非常广泛的应用。本文提出了一种基于神经网络的故障诊断专家系统模型，该模型通过两者相互结合的方式来弥补各自的不足，非常适用于盾构机这种大型复杂设备的故障诊断。本文主要研究工作如下：　　（1）对盾构机的系统组成及工作原理主要进行简单概述，针对土压平衡盾构机结构复杂，故障具有多样性及耦合性的特点，按照不同的功能系统对盾构机常见故障的产生机理进行深入分析研究，并给出相应的解决办法。　　（2）在对传统的专家系统和神经网络原理进行研究的基础上，分析、对比这两者各自的优点和缺点，研究两者相互结合的可能性及结合方式，提出一种基于神经网络的盾构机故障诊断专家系统的模型。　　（3）研究盾构机故障诊断专家系统各组成模块的构建方法，针对盾构机系统众多的特点，构建了一个含有多个子网络的神经网络组合系统，即模块化神经网络结构。该网络结构具有简单易构建、灵活性好和适应性强的优点。　　（4）研究在BP神经网络学习过程中如何利用神经网络工具箱对网络参数进行优化的方法，从而提高网络的收敛速度和精度。　　（5）利用FameView组态软件结合MATLAB实现盾构机故障诊断系统的软件开发，缩短了软件开发的周期，保证软件的开发质量。　　（6）构建一个模拟测试平台，采用盾构机施工历史数据作为测试样本来源，能够最大程度的模拟盾构机的实际工作状态，保证测试结果的可靠性。测试结果表明本故障诊断系统具有诊断准确、操作简单、画面友好、易于维护的优点。