反应釜是化工生产中的重要设备，根据工厂的实际情况和管理要求，研究反应釜故障诊断系统，不仅保证设备安全可靠，而且对生产的顺利进行也具有重要作用。故障诊断方法很多，但针对反应釜的故障诊断偏少，且大多采用单一的故障诊断形式。本文在对国内外研究现状进行深入分析的基础上，通过研究反应釜工作机理及故障特征，提出了将RBF神经网络、模糊专家诊断策略有机结合的决策级信息融合故障诊断系统。主要工作如下：(1)介绍了反应釜的功能和特点，对反应釜故障原因进行了深入分析，对传统人工排除故障的方法进行了梳理，为开展诊断策略的研究提供了理论依据。(2)在阐述RBF神经网络及粒子群优化算法等理论的基础上，提出基于粒子群算法的RBF神经网络优化算法，提高了网络泛化的能力和非线性系统辨识能力，增强了系统故障诊断的准确率。(3)研究了反应釜故障诊断专家系统的原理及其基本结构，指出了模糊专家系统相对于传统专家系统所具有的优点，构建了基于模糊逻辑的反应釜故障诊断专家系统，探讨了反应釜故障知识的获取方式，建立了模糊产生式规则库与推理机制，并给出了故障推理运行实例。(4)针对传统的单一诊断模式存在的缺陷，为提高故障诊断的准确率，建立了一种将RBF神经网络、模糊专家诊断策略有机结合的信息融合故障诊断模型，提出了基于D-S证据理论推理的数据融合方法，提高了诊断结论的可信度，减小了诊断的不确定性。将该方法应用于反应釜故障诊断，其诊断结果与事实相吻合，验证了诊断方案的可行性与有效性。