随着现代工业及科学技术的迅速发展,故障诊断已经越来越受到重视.神经网络作为故障诊断的一种方法得到广泛的应用,其中以BP网络最为突出.该文正是基于BP网络和故障诊断的基础上,进行深入研究.该文首先对大量文献进行了综述,比较了各种故障诊断方法,分析了它们的优点和缺点.针对现有原始BP网络的故障诊断方法的不足,该文提出了并行BP网络的故障诊断方法.这种并行网络优化了网络结构,减少了节点数目,提高了训练速度和故障诊断的正确率.另外,由于初始权值的选取对于网络起着非常重要的作用,因此该文对网络的初始权值预先进行了择优,以复合形法作为优化方法修正初始权值.该方法一定程度上避免了原有的算法中初始权值的随机性带来的收敛缓慢甚至瘫痪现象.上述两种方法在故障诊断问题上均取得满意的仿真结果,与原有BP网络的比较进一步表明了改进算法的有效性.最后,为了证明此方法的有效性,又将上述两种方法用于公认的TE模型中进行故障诊断,结果比较令人满意.