工业无线网络节点作为工业无线网络的基础和载体,其故障不但将直接影响网络本身的正常运行,而且作为过程无线控制系统和大型机械设备监控的基础,若不及时排除节点故障,将直接威胁到人民的生命财产安全。但另一个方面由于工业现场的恶劣环境,加上节点的射频部件和传感部件需要与工业现场直接接触,导致其出现故障的概率大大提高,因此对节点进行实时的故障诊断和监控是必要的。故障诊断随着人们对可靠性、安全性的要求提高,已经发展成为一门系统的科学,包括基于解析模型的故障诊断方法、基于信号处理的故障诊断方法、基于人工智能的故障诊断方法。但目前对工业无线网络节点故障诊断的具体方法研究较少,甚至对一般传感器网络节点故障研究也不多。本文以wIA-PA为工业无线网络的载体研究工业无线网络节点故障技术。本文首先分析了现有的三种节点故障诊断方法,总结了基于节点冗余方法的优点及其被广泛研究和应用的原因,针对工业无线网络节点不具备空间相关性的特点以及现有节点诊断技术误诊率高、实时性差、人为性强和不适用于监控等缺点,以工业现场所拥有的大量现场数据为现实基础,以故障信号的奇异性为理论基础,利用人工神经网络技术的智能性以及小波变换时频局部分析的优越性,提出了一种基于解析冗余的工业无线网络节点故障诊断方法。在提出基于解析冗余节点故障诊断思想方法的基础上,从方法实现的角度,推导了方法的模型,给出了方法的实现流程,研究了方法实现的关键技术,重点研究了工业无线网络节点BP神经网络模型的架构设计,确定了神经网络隐含层数,确定了学习目标、初始权值以及学习最大次数,确定了神经网络各层的节点数,完成了工业无线网络节点神经网络模型构造设计和学习；针对BP神经网络动量附加法以及自适应学习速率没有分层考虑隐含层和输出层虚假最优以及调节速率矛盾性的缺点,提出了一种层级改进学习算法以进一步改善BP神经网络的学习速率：针对小波分析需要选择最优小波基的问题,从工程经验和小波函数数学属性两个角度分析选择了Db系列小波作为小波分析的基函数。此外,针对无线通信对信号的干扰,以节点的监测组件为基础,对结合了信号、能量、链路质量等因数的故障综合诊断进行了初步探讨,提出了一种以解析冗余和监测部件为基础的节点故障综合诊断方法。最后,通过三组仿真实验对本文的主要工作进行了验证。第一组仿真实验结果表明,本文所提出了层级改进算法在BP神经网络学习速率上具有明显的改善效果,比原来平均提高了10%；第二组仿真实验结果证明了基于解析冗余节点故障诊断方法的可行性；第三组仿真实验结果表明本文所提出了方法比现有方法诊断准确率提高了11%的同时、具有更好的准确性和鲁棒性。