随着生产力的不断发展，机械设备和电子设备越来越精密化，复杂化。如何提高系统的稳定性和可靠性是一个必须面对的问题，而选择有效的诊断方法对于系统能够稳定运行至关重要。在智能故障诊断技术中，小波和神经网络技术相结合是故障诊断的一个重要手段。本文以轴承和模拟电路为研究对象，深入研究了提升小波包和概率神经网络相结合的方法在故障诊断中的应用问题。小波变换具有多分辨率分析的特点，并且在时域、频域都具有表征信号局部特征的能力，能够对感兴趣的时间和频率进行进一步的分析。提升小波不仅具有第一代小波的优点，而且还具有运算速度快、占用内存小等优点。本文采用提升小波包变换对监控对象的故障数据进行处理，对变换后的系数进行特征提取，将得到的向量作为神经网络的输入，利用概率神经网络具有模式分类的优点，从而实现故障数据的分类。为了满足实际工作的需要，采用VB编写了提升小波包变换程序，并对一组信号进行了多层提升小波包分解，结论证明VB编写的程序满足要求。在故障诊断实验平台上，对轴承和模拟电路进行了故障诊断，通过对比不同的小波基函数的诊断结果，提出了故障诊断的一般性分析方法。并在此基础上完成了对实际模拟电路的故障诊断工作。