随着现代化学工业向大型化、集成化和精细化方向发展,生产的安全性、稳定性和可靠性就显得愈来愈重要,因此迫切需要建立性能良好的故障检测和诊断系统.该文针对化工过程的具体特点,对化工过程的故障检测和诊断问题进行了深入的研究,并且还就BP算法的不足,提出了把基于模拟退火算法的神经网络用于化工过程的故障诊断方法.主要工作概括如下:首先,在综合大量文献的基础上,对化工过程的各种故障检测和诊断方法进行了较为详细的研究和综合比较,指出了它们各自的优缺点以及主要依赖的过程知识.然后,提出了现有的基于BP网络的故障诊断方法的不足,针对模拟退火算法对初始值的依赖程度不大,能够避免局部极小点等优点提出了一种基于模拟退火神经网络的故障诊断方法.并在模拟退火算法的基础上引出了一种改进的自适应模拟退火算法,并用于神经网络的训练,加快了训练速度并得到优质解.同时,还提出了一种将Powell算法与自适应模拟退火算法结合的快速模拟退火组合优化算法,在自适应模拟退火算法的基础上,提高最优解的质量,并用于神经网络权值和阈值的优化.最后,我们把得到的网络应用到了TE过程连续动态多变量故障诊断中去.仿真实例表明该方法具有很好的故障诊断能力.