故障诊断是近年来发展起来的一门综合性的边缘学科，它涉及到的理论基础和技术手段十分广泛。随着科学技术和经济建设的发展，大型设备与控制系统的状态监测和故障诊断已成为保证系统运行稳定性、可靠性和安全性，提高产品质量和生产效率的关键技术和重要手段，并日益引起国内外学者的广泛重视。 轧机厚度自动控制系统(AGC)是现代板带轧机实现高精度轧制必不可少的关键环节。该系统是一复杂的综合控制系统，包括机械、液压、电气等方面的综合信息。因此，除了机械设备中所有可能发生的故障在该系统中都可能发生之外，厚控系统还具有液压系统特有的失效形式。故该系统的故障率较高且故障原因复杂，是维护轧机的重点和难点，也是造成故障停产和产品质量下降的主要原因。 本文就是基于此背景下所进行的研究工作，以某轧机厚控系统为对象，以故障诊断技术的实际应用为目的，主要开展了以下研究： 首先，筛选出了用于故障诊断的26种特征信号，并建立起信号的采集、处理和存储的状态监测系统； 然后，首次提出了包括从设备硬件到控制系统、直到最终产品检验三个层次的故障诊断策略； 其次，提出了基于轧机解折模型的故障诊断方案，建立了轧机厚控系统的数学模型，设计出了适合于该轧机厚控系统的故障检测观测器，实现了几类典型故障的检测与诊断； 提出了基于规则和案例的故障诊断方案，归纳出用于故障诊断具有代表性的18条规则和10个案例，并给出了具体的实现方法和步骤； 接着，基于神经网络的故障诊断思想，对该系统进行了功能上的分解，设计出了用于故障诊断的BP网络结构和参数，并就具体的应用实例进一步说明了基于神经网络诊断方法的可行性； 推导出了变刚度控制的控制模型，用仿真的方法对该模型进行了验证，并综合三个方面的效果，提出了变刚度的合理取值范围。然后，结合生产实践，在对轧机厚控系统机理分析的基础上，实现了对其控制系统几类典型故障的检测与诊断；