为了实现建筑节能和保证空调系统正常运行、提高室内空气品质的目的，当前的建筑空调控制系统已逐渐融入了各种故障诊断策略。与此同时，研究人员也提出了越来越多的空调系统故障诊断策略，这些故障诊断策略大致可以分为以下几类：基于模型的方法、基于知识的方法和基于信号处理的方法。无论是哪种故障诊断策略，都必须通过实验来验证其有效性。当前对故障诊断策略的验证，多通过纯仿真平台或实际建筑空调系统进行，两者各有其优缺点。前者方便快捷，但经其验证的故障诊断策略在实际应用时，可能会面临着有效性下降的问题。而通过实际空调系统验证故障诊断策略，其有效性得以充分得保障，但却非常耗时，且有可能会影响建筑空调系统的正常运行。因此，本文提出了在混合仿真平台中对故障诊断策略进行研究的方法。混合仿真平台，是纯仿真平台和实物控制系统的结合，利用实物控制器取代了纯仿真平台中的虚拟控制器模块。利用混合仿真平台进行故障诊断研究，既方便快捷，又在一定程度上保证了故障诊断策略验证的有效性。本文对基于PCA（主成分分析）的故障诊断方法和基于BP神经网络的故障诊断方法进行了对比研究，分别比较了它们在纯仿真平台和混合仿真平台中的故障检测效果，研究发现，这两种故障诊断方法在混合仿真平台中的检测效率明显低于在纯仿真平台中的检测效率。说明经纯仿真平台验证的故障诊断策略，其实用性仍有待进一步的提高。而混合仿真平台与真实空调系统更为接近，经其验证过的故障诊断策略更具有实用价值。在对纯仿真平台和混合仿真平台故障诊断实验的结果对比的基础上，对上述两种故障检测方法提出了改进措施，提出了基于小波PCA的故障检测方法和基于重构BP神经网络的故障检测方法，经混合仿真平台验证，这两种改进的故障检测方法更具有使用价值。小波变换可以对系统中的噪声信号干扰起到良好的抑制作用，而重构的BP神经网络可以明显提高其预测精度，从而保证故障检测效率。