随着对带材质量要求的提高、设备日趋智能化和信息化,轧制设备的故障诊断已成为保证系统安全可靠运行的重要手段。轧机AGC（厚度自动控制）液压系统是轧机轧制的关键环节,该系统故障机理复杂且故障率较高,是维护轧机的重点和难点,也是造成产品质量下降的主要原因。本文以某轧机AGC液压系统为研究对象,综合运用案例推理、深度置信网络、聚类分析、粗糙集等构建了一个以案例推理为主体的相互协作的系统,进而为轧机AGC液压系统故障诊断提供决策支持,并搭建远程故障诊断系统。为达到预期目标,展开了如下研究。（1）针对轧机液压系统故障案例样本少、复杂设备故障难以现场模拟问题,使用AMESim仿真软件对系统进行建模,获得设备运行数据进行综合分析。通过建模仿真,模拟各种故障,构建故障案例知识库,建立知识储备,为轧机AGC液压系统部分故障诊断提供有效、完备的数据支撑。（2）故障特征提取是故障诊断的关键环节。针对传统故障特征提取方法的不确定性、复杂性以及对经验的依赖性,提出了基于深度置信网络的自适应故障特征提取。将深度学习应用到轧机液压故障诊断领域,与传统方法相比,在特征分类和自适应上面显现出较好的效果,非常适合处理新时期工业“大数据”故障诊断难题。（3）利用案例推理基于知识的学习,提出了分层案例组织形式,通过聚类求得代表案例,提高检索效率。针对现有主观指标权重赋值法过度依赖专家经验而缺乏客观性,本文将粗糙集理论引入指标权重确定中,描述不完整和不确定信息。案例检索策略通过使用最近邻索引法,获得故障解决方案。最终使用仿真平台数据验证了案例推理方法的实用性和有效性。（4）针对液压系统发生故障时具有不确定性特点,同时故障诊断需要耗损许多人力、财力和物力等问题,通过结合Internet技术,搭建数据库,设计开发了轧机AGC液压远程故障诊断系统。通过使用该系统,能够在短时间内,集中该领域专家提供技术支持进行设备故障诊断。