故障诊断技术是降低事故风险、提高系统可靠性、保证系统正常运转的重要方法。然而,随着系统规模的日趋庞大,其结构的复杂性也越来越高,当系统出现故障时,伴随出现的征兆信息也蕴含了诸多不确定性因素,这些都是故障诊断中需要解决的难点问题。信号分析技术、解析模型技术和人工智能技术的快速发展将故障诊断技术逐步带入崭新的阶段。Petri网以其强大的建模和分析能力在故障诊断领域得到了广泛应用。本文在Petri网理论的基础上,提出了一种故障诊断新方法。针对已有Petri网模型在故障诊断问题中表现出模型结构复杂、规模庞大以及故障征兆信息伴随不确定性的问题,提出一种模糊有色Petri网模型,该模型将同类库所和变迁归并,减少库所与变迁的数量,简化模型的复杂度使网的规模降低,并在托肯的颜色属性中加入置信度属性,设定变迁阈值和弧函数,以此描述模糊信息,解决部分故障征兆信息不确定性问题。基于模糊有色Petri网模型提出故障诊断方法,该方法适用于一类根据故障征兆信息进行推理的故障问题,尤其针对结构复杂的系统故障,将故障征兆信息分类后作为输入,诊断的故障状态作为输出,设定三类变迁的触发规则包括分析、诊断和整合限制模型的状态标识演变,按照故障诊断步骤依次对故障信息进行分层处理,求解最终诊断结果。本文提出的方法由于对基本Petri网进行折叠并加入模糊因素,模型结构简单,规模小,可以解决故障诊断中运用单一基本Petri网方法不能解决的模型结构复杂、规模大和故障信息不确定性的问题。仿真实验中,分别以铁路信号设备故障与输电网故障为应用实例,通过分析各自的信号特点建立了适用于上述系统的模型,实验结果验证了该方法的有效性和正确性。由于实验所涉及的实例分属不同的领域,故障诊断过程所运用的参数也有较大差异,因此本文提出的方法是一种基于故障征兆信息进行诊断的适用性较强的方法。实验结果表明：该模型语义表述能力较强,建立的模型结构简单,规模较小且模型不易受系统结构改变的影响,因此具有较强的适应性,此外,托肯中的置信度属性和弧函数的设定还解决了部分信息缺失或存在误差等情况下模型对某些不确定性问题的处理。