风机是电力、冶金、能源等工业领域必需的辅助设备,它能否正常运行直接关系到这些领域的经济效益,因此对风机进行故障诊断变得尤为重要。智能故障诊断是一门涉及多个学科和领域的新兴学科,是当今故障诊断技术研究的前沿和热点。随着神经网络理论的完善与发展,基于神经网络的故障诊断技术为专家系统的研究与开发提供了一条崭新的途径。本文综合应用小波包特征提取技术与神经网络故障诊断方法,建立了基于神经网络和小波分析的风机故障诊断专家系统的基本框架。小波包分析具有比小波分析更加良好的时频局部化特性,非常适合于提取风机振动信号的特征量。利用神经网络建立专家系统不需要组织大量的产生式规则,网络可以自组织、自学习,能够有效解决传统专家系统最感困难的知识获取与知识推理问题。选用动量法和学习速率自适应的改进BP算法训练网络,可以加快网络的学习速度,缩短网络的训练时间,而且能够有效抑制网络陷入局部极小。先后采用标准训练样本和含有白噪声的训练样本来训练网络,可以使网络具有一定的容错性,更加有利于识别工程实践中风机的故障类型。根据本文所做研究,采用Visual C++与MATLAB混合编程的方式开发了基于神经网络和小波分析的风机故障诊断专家系统,并将其应用于风机故障诊断实例中,经过分析与现场检验,其诊断结果是准确可靠的。