本发明公开了一种基于深度神经网络的高炉故障诊断规则导出方法，属于工业过程监控、建模和仿真领域。首先，采用深度神经网络对历史高炉故障数据进行建模；然后，针对每种故障，从网络的输出层出发依次利用决策树建立深度神经网络相邻层节点的子模型，并导出if‑then规则；最后，将if‑then规则进行逐层合并，最终获得以高炉过程变量为规则前件，以故障类别为规则后件的高炉故障诊断规则。本发明方法，不仅利用深度神经网络高诊断精度的优势，从高炉历史数据中获取故障诊断知识，还将知识转化成易被高炉操作人员理解的规则，实现人机协同的知识与决策融合，能够广泛应用于对于故障诊断有高可信度和准确度要求的工业系统。