本文以重庆发电厂中间储仓式制粉系统为主要研究对象，采用BP神经网络技术，并结合混合型知识表示和知识获取方法、基于知识的专家系统等技术，对制粉系统故障及其相关故障诊断系统进行了开发研究。完成了制粉系统相关实际故障样本的整理，扩充了制粉系统故障及其相关故障诊断知识库，建立了以0、1为征兆量的样本以及相应BP神经网络、故障诊断及解释、数据查询及分析等功能模块，且采用DELPHI6.0编制了故障诊断系统程序，对制粉系统故障及其相关锅炉灭火故障进行了仿真实验。本文针对重庆发电厂制粉系统九种故障建立了以0、1为征兆量的故障样本和相应的BP神经网络模型，且在制粉系统故障及其相关故障样本编辑过程中，应用了神经网络产生规则式、框架式等知识表达方法，有效的表达制粉系统故障及其相关故障诊断知识，并且为保证数据的完整性，减少数据冗余，对数据库进行了规范化处理，简化了数据结构和避免了数据冲突。 本文在制粉系统故障及其相关故障诊断样本训练过程中，分析了隐层节点数、学习率等因素对网络训练速度的影响，为网络参数合理选取提供了依据。其故障诊断仿真实验结果表明，应用本文所开发研究的制粉系统各故障样本及其相关故障样本训练时均能快速有效地收敛于一个设定的系统误差值；同时其故障诊断的仿真实验证明了本文所建立的以0、1为征兆量的制粉系统故障样本和BP神经网络模型是正确的，且能快速、较准确地对故障情况作出判断，显然，本文的工作是有成效的，为制粉系统故障系统进一步开发奠定了基础。