随着设备复杂程度和自动化程度的不断提高，以及制造系统全球化、客户化的发展趋势，使得传统的故障诊断技术己不能满足复杂设备故障诊断的需求。本文以上海市信息委科技攻关项目“大型机电设备远程监控和智能诊断系统”为背景，以印刷设备为代表，深入研究了神经网络在故障诊断中的应用，实现了人工神经网络与远程故障诊断的结合，旨在能够经济、快速、有效地解决复杂设备的故障诊断问题。 现代科技的综合运用使印刷设备越来越复杂高效，往往由于机械、电气、工艺、印刷材料、操作环境等因素的原因，造成印刷设备的故障很多。当前印刷行业的维修人员主要靠感觉和个人经验对印刷机故障进行诊断，不能及时准确地排除故障，已远远不能适应现代化印刷的要求。 由于传统的故障诊断方法大多是以领域专家和操作者的启发性经验知识为核心，知识获取困难、推理效率低下、自适应能力差。同时由于故障征兆和故障类型之间常常存在复杂的非线性关系，使得诊断系统的数学模型很难获取。而人工神经网络以其分布式并行处理、自适应、自学习、联想记忆以及非线性映射等优点，为解决这一问题开辟了新途径。 本文深入研究了故障诊断和神经网络的基本理论，分析了各种常用神经网络特点和各自的适用范围，并在此基础上选择了BP神经网络应用于印刷设备的故障诊断；并针对其本身存在的一些缺点提出了改进措施；此外，本文还详细探讨了人工网络的建模方法；在分析了印刷设备的层次结构和故障特点以后，提出了神经网络集成技术，有效地克服了单一神经网络故障诊断的一些缺点，大大提高了故障诊断的准确率。 本论文以人工神经网络技术为基础，结合了先进性和实用性的特点，所开发的系统在上海印刷包装机械集团五家试点企业得到了充分地运用，取得了较好的效果，全面提高了企业的整体素质和综合竞争力。