随着科学技术不断发展，工业自动化水平日益提高，计算机控制系统越来越多的应用于铁路、煤矿、钢铁、石化等行业，并相继出现了许多大型、技术水平高、功能齐全的复杂系统。这些系统规模大、造价高，一旦出现故障，其后果往往是灾难性的。因此要求这些系统具有较高的安全性和可靠性。在此要求下，故障诊断技术应运而生，这对于提高系统的安全性极为重要。在煤炭行业中，煤自然发火危害极大，会造成重大经济损失与人员伤亡，因此研究煤自然发火规律性有重大意义。而进行煤自然发火实验可以研究煤自燃原因、自燃升温过程规律性，因此煤自然发火实验系统的正常运行关系重大，本课题研究内容就是对煤自然发火实验台温度控制系统进行故障诊断，预测预报其运行状态趋势。 本课题通过利用灰色系统理论、人工神经网络两种方法来对温度控制系统进行故障诊断研究，针对煤自然发火的某次实验，对此两种方法进行应用，利用灰色预测方法对设备运行状态进行预报，进行简单的故障判断；提出利用神经网络建立扩展信息网，并依据故障诊断策略判定有无故障，如有故障，对温度控制系统的故障传感器进行故障定位及故障信号恢复，利用BP算法对其进行学习，利用MATLAB6.1进行软件实现，最后得出结论。实例仿真的结果说明这两种方法均具有可行性，故障诊断结果与实际基本相符，仿真精度较高。