最近十多年来,离散事件系统基于模型的诊断受到越来越多研究和工程人员的关注,成为人工智能和控制工程领域的一个热点研究课题。基于模型的诊断主要使用系统的内部结构与行为的知识,根据所得的观测来推理出系统可能的故障信息。本文主要针对离散事件系统基于模型的诊断方法、系统的可诊断性、不完备模型时的诊断处理方法等,做了如下研究:提出了一种结合时间区间代数对离散事件系统建模、诊断的方法,可以进一步缩小诊断解释空间;充分结合了一种通用的分层概念“D-holon”及诊断分解的概念“无声闭包(Silent closure)”,提出了一种新的概念“SCL-D-holon”,并可用于分层诊断,离线产生所有SCL-D-holons从而可以提高在线诊断的效率;提出了“连续的两个时间窗口”的概念,可以不断地推理出新的观测序列从而进行及时的在线增量诊断;给出了迄今为止几乎所有典型的离散事件系统的可诊断性定义的一个扩展的分层框架,为实际问题中如何选择合适的可诊断性定义及判定方法提供了理论分析及重要参考;于国内外率先对不完备模型下离散事件系统的基于模型诊断理论进行了研究,并扩展提出了自动机的“P-同步积”和“P-诊断”的概念,放松了以往所有文献中总存在的一个明确的或隐含的限定性假设,即待诊断系统的模型是完备的,从而进一步完善了离散事件系统基于模型诊断的理论框架,并给出了一种根据观测来完善系统模型的方法。