随着人工智能的发展,智能诊断技术广泛的应用于现代故障诊断中。智能诊断技术自我学习与自适应能力强,因此能很好的克服现有诊断技术的瓶颈,即诊断的时效性与智能性不高。在深入研究基于神经网络和故障树的故障诊断技术基础上,采用一种混合故障诊断新方法,并将其应用于某运载火箭的故障诊断专家系统中,有效提高了运载火箭的故障诊断效率。本文从运载火箭的故障诊断技术入手,介绍了基于故障树的故障诊断技术发展现状和趋势,深入研究了基于故障树的运载火箭故障诊断系统和制约运载火箭故障诊断的时效性与智能性不高的主要瓶颈;详细分析了故障树的建立方法,并以运载火箭发动机低温控制系统单元中的减压器故障实例进行故障树建立,研究并设计了基于故障树的故障诊断模块;以火箭低温动力系统故障实例为对象,对其进行了BP神经网络仿真,论证了神经网络和故障树诊断技术两者结合的可能性,设计了一个基于神经网络和故障树的故障诊断模型,同时对该模型功能进行了分析。最后,在Visual Studio 2008平台下使用C#语言和SQL Server 2005数据库,采用模型-视图-控制器设计模式(MVC)和统一建模语言对系统关键模块进行设计和建模。最后,以某型号火箭系统为对象,采用基于神经网络和故障树的混合诊断技术,开发了一个基于该诊断技术的故障诊断系统,并对其系统功能进行了验证和评价,在一定程度上满足了设计要求,具有较强的通用性和扩展性。