磨料水射流切割是一种在切割过程中不会产生热量的特殊加工技术,使其适应范围十分广泛。一台超高压磨料水射流机床的造价昂贵,且结构比较复杂,部件与部件之间的耦合关联紧密,如果故障发生,而操作人员仅依靠自身经验去判断故障原因,往往会使得超高压磨料水射流切割机床得不到及时诊断,导致设备受到严重破坏,给企业和人员带来严重的损害。因此,对超高压磨料水射流切割机床的故障预警与诊断技术提出更为迫切的要求。本文针对超高压磨料水射流切割机床智能化故障诊断的需求,将利用传感器技术,人工神经网络模型和优化后的神经网络模型,研究出一种适用于超高磨料水射流切割机床的故障诊断方法,并建立对机床的故障预测的智能模块系统。首先通过分析磨料水射流的工作原理、元器件特征参数以及常见故障,来选取本文研究的特征参数和故障类型;其次,对比现有的智能型故障诊断方法的优缺点,并选取出神经网络的方法,分析其故障诊断过程,利用传感器技术收集机床的原始数据,结合神经网络对训练数据的需求,整理出样本数据并建立特征参数矩阵和故障类型矩阵;然后,通过对BP神经网络各层的节点数设置和故障类型的编码,将样本数据和对应的故障类型编码分别作为BP神经网络训练数据后建立BP神经网络模型,通过测试数据验证BP神经网络对超高压磨料水射流切割机床故障诊断的适用性和可行性;再分别采用径向基(RBF)神经网络和遗传算法优化BP神经网络方法来提高故障诊断准确率,通过对比得出遗传算法优化后的模型更适合超高压磨料水射流切割机床的故障诊断,并对该优化后的神经网络的诊断输出进行决策分析来判断故障类型,便于指导维修人员对设备检修;最后利用Matlab自带的GUIDE工具包和建立好的神经网络模型以及相应的决策方法设计出一种故障诊断的智能模块。