近些年来,随着我国工业水平的迅猛发展,人们对提高工业生产设备智能化、自动化水平的期望越来越大,而随着深度学习等人工智能相关研究的再次兴起,使这种希望成为可能。轮胎行业作为拥有庞大市场的典型工业制造行业,其生产设备庞大、多样、复杂,轮胎成型机作为其中最为复杂的光机电一体化设备,在其发生故障时如果能够对其进行快速准确的故障诊断,找出故障位置与原因,则对于保障工人安全生产、提高企业生产效益具有重要意义。本文将人工神经网络与传统专家系统相结合应用于轮胎成型机的故障诊断之中,详细分析了神经网络与专家系统各自的优势与不足。利用神经网络在知识获取以及自主学习上的优势,弥补了传统专家系统在处理非线性以及不确定性问题上的不足;同时利用专家系统严密的逻辑推理、易于理解的知识表达方式对神经网络进行改进。在神经网络结构的选择上,本文采用BP神经网络,对其结构与算法特点进行了详细论述,运用遗传算法对BP算法进行了优化,并对改进后的算法进行了验证。最终通过神经网络与专家系统的融合,并结合轮胎成型机的生产运行实际,建立了全新的成型机故障诊断知识库、推理机、知识获取方式和人机交互界面。本文以全钢载重子午胎三鼓一次法成型机为故障诊断对象,详细介绍了轮胎成型机的结构与分类,以及子午线轮胎生产线的工艺流程,搭建了故障诊断系统,使用美国国家仪器公司的LABVIEW平台进行上位机软件研发,并利用工业以太网技术实现上位机软件与下位机PLC的通信,通过ODBC技术实现上位机软件与后台数据库的连接。在实际测试中,本文搭建的故障诊断系统可对三鼓一次法成型机进行实时监控与故障诊断,系统整体运行稳定可靠,能够快速准确地查找故障位置与原因,方便现场人员迅速找到并排除故障,提高了轮胎成型机的运行效率,提高了企业的技术竞争力与经济效益。