本文介绍了遗传算法的基本原理和特点，并针对传统遗传算法存在的不足，提出了一种采用“并行遗传结构+扩大初始种群+最优个体保护+自适应交叉变异率+排序选择”的改进型遗传算法。该改进型遗传算法可以有效的克服传统遗传算法存在的早熟、进化缓慢、进化过程中的振荡等缺点。 本文还针对传统的BP神经网络训练算法存在的训练速度慢、易陷入局部极小等缺点，提出了改进型遗传算法和传统BP神经网络训练算法相结合的训练方法(MGA—BP)，对人工神经网络的连接权值、阈值进行优化，并和使用标准神经网络训练算法的训练方法进行了仿真对比，结果表明改进型遗传算法和神经网络相结合的训练算法取得了较好的效果。 在上述改进型遗传算法的基础上，本文对TE过程故障诊断进行了研究。在详细介绍了TE过程(包括TE过程的描述，TE过程的41个测量变量，12个操作变量，21种过程故障及控制结构)之后，先对TE过程的样本数据进行小波去噪，然后分别用前面提到的MGA—BP方法和标准BP算法对TE过程进行故障诊断，仿真结果显示，MGA—BP方法具有较低的误判率，其诊断效果要明显好于BP网络。