摘要：BP算法在故障诊断领域已取得广泛应用，但其存在收敛速度慢且容易陷入局部最小值的缺陷，限制了其进一步的发展；ACO（Ant colony optimization）算法是一种模拟进化算法，已很好地应用于解决旅行商和资源两次分配等经典的优化问题，具有启发式收敛、正反馈以及分布式计算等优点；为此，将ACO算法引入BP算法故障诊断方法中，使用ACO算法对BP网络中的参数即权值、阈值以及学习率等进行优化，定义了一种结合ACO算法和BP算法能对故障进行诊断的新算法，并将其应用于具体的故障诊断实例中，最后，通过100组样本中的95组进行训练，并对剩余5组进行故障诊断，实验证明结合ACO算法和BP算法的新算法较传统的仅使用BP算法的诊断方法具有收敛速度快、诊断精确高以及训练性能好的优点。