在现代工业流程中，随着自动化程度不断提高，生产制造中控制系统的规模不断增大，复杂性不断增加，因而导致维修费用增加，停产损失严重和事故后果严重等问题，所以故障检测与诊断技术日益受到人们的重视，成为生产制造业的重要研究课题。是否可以快速精准定位故障的来源是保障大型复杂系统能否稳定运作的关键。基于SDG模型的故障诊断方法是由图论发展而来的定性故障诊断方法之一，它能在掌握较少的定量信息的情况下建立系统的模型，并很好地展示了系统变量间的影响关系，而且使得故障传播路径一目了然。因此其成为基于模型故障诊断的一种常用方法。SDG模型完备性好、鲁棒性强，但利用SDG模型推理故障源时，系统越大越容易出现“组合爆炸”，产生多义性，使得诊断结果的分辨率不高，并且诊断过程中需要加入大量的人为限制条件。模糊理论是一种纯定量性的数学，它能够将模糊概念进行数学定量化，有利于模糊问题的求解。引入模糊隶属度，将节点的故障发生可能性进行定量的描述，达到故障精准定位的要求。本文通过整理、研究已有的故障诊断方法，对故障诊断模型与基于模型的诊断方法及应用技术作了对比与探讨，本文所做的研究工作为如下几点：（1）基于当前故障诊断系统对实时性、准确性和完备性提出了更高的要求，本文提出建立分层模糊SDG模型。首先对系统建立符号有图模型，经过基于可达性分层方法对其进行分层，其次用模糊隶属度来描述各节点的故障严重程度，构建分层模糊符号有向图模型。当故障发生时，对报警节点进行回溯，搜索相容通路找出故障源备选节点。由于故障传播特性为从高层向低层，首先根据相容路径初选出位于高层次的备选故障节点，其次根据最小-最大算法计算各备选节点的模糊支持度，得到模糊支持度排序，为故障源的排查提供建议。（2）当工业过程中同时有故障发生时，普通的控制系统只能简单的给出报警，操作人员在第一时间难以确定真正的根原因，这会大大减少其正确采取操作的机会，导致系统运行风险增加。为此本文提出一种基于分层模糊符号有向图模型的故障诊断算法，通过相容通路判断、模糊推理、计算节点模糊支持度并排序，用于对备选故障源进行可能性分析，给出最有可能的故障源，从而给出真正故障源，达到减少误操作和提高系统诊断准确率的目的。（3）提出一种基于分层模糊符号有向图模型的故障诊断方法，以TEP系统为例，首先建立系统分层模糊符号有向图，当故障发生时，根据故障传播路径上节点间的定性关系，确定分层模糊SDG模型相容通路，通过计算各节点模糊支持度得到备选故障源发生可能性排序。本文通过仿真实验证明，该方法不仅保留了SDG完备性好、可提供故障演变路径的优点，模型中结合基于可达性的分层方法，在故障诊断中通过建立分层有向图模型达到减少搜索空间、提高诊断效率的目的。且弥补了SDG诊断中诊断分辨率和速率较低的不足。