现代工业的发展,我国工业装备也逐渐向精细化、智能化发展,设备的集成度也越来越高。若其中某个零件发生故障,则可能会对整个的生产过程产生一定的影响。但是若能掌握系统的工作状态并对其状态进行准确的识别,对相关的故障环节的设备进行及时的更换,这样就可以有效的减小故障引起的损失。目前故障诊断的理论应用于具体的实际应用中的情况还是比较少的。随着智能计算领域迅速发展,被应用到社会上的各个领域其应用在实际系统中的优势也愈加明显,不仅促使系统更加的智能化,也加快运算速度。在实际应用需求的驱动下,智能计算的故障诊断技术成为计算机技术中模式识别领域一个重要的研究方向。本文在智能计算的故障诊断技术研究基础上,设计并实现智能计算的故障诊断系统。系统提供大量轴承数据作为训练故障诊断模型的数据集,实现用户登录注册、系统管理、数据管理、故障诊断模型构建、故障诊断五大功能模块。其中数据管理模块中的数据预处理功能和故障诊断模型构建模块是本系统中的核心功能。在数据管理模块的数据预处理功能中,系统首先运用小波变换(WT)技术对原始的振动信号进行降噪处理;将降噪后的数据进行特征进行计算;根据故障特征的选择原则,将主成分分析法(PCA)用于时域特征的降维处理,完成特征选择。将经过预处理后的数据作为故障诊断模型的训练样本集。在故障诊断模型构建模块中,采用BP神经网络算法,并结合卡尔曼滤波思想,将网络实际预测值与理论期望值的差值反馈给输入层,提出一种信息反馈BP神经网络(IFBP)算法训练故障诊断模型。信息反馈BP神经网络模型在提高系统诊断准确性的同时解决BP神经容易陷入局部最优的问题。通过系统测试,系统可以比较精确的对轴承数据进行故障诊断,在功能上和性能上都能达到系统的需求和预期的设计效果。