电力风机作为现代化电力产业的重要生产设备,其可靠性与稳定性必须得以保障。然而,随着电力风机越来越高速复杂,其在运行过程中所产生的问题也越来越难以排查解决,因此,对风机的健康状态进行实时监测与诊断十分必要和重要。本课题设计并实现了一套基于Linux的电力风机健康监测系统,用以监测风机设备的传感器信号并诊断其健康状态,从而有效保障风机设备安全可靠地运行。论文首先根据电力风机健康监测的功能需求设计了包括数据采集终端、组网传输和监控主机的总体方案,分析并确定了以小波包分析作为故障信号特征提取方案,以神经网络专家系统作为故障诊断方案。基于ARM设计并实现了4-20mA多路隔离数据采集子板、RTD信号采集子板、数字信号采集子板和基于Linux操作系统的双处理器主控板的软硬件,同时基于Linux实现了双网口数传系统的软件设计。各类数据采集子板采集压力、温度、风量等传感器信号,采样频率2Hz,并通过基于Modbus协议的RS485总线传输至主控板;主控板采集振动信号,采样频率1kHz,采样精度12bit,同时轮询并处理子板数据,并将数据通过以太网口以TCP/IP协议上传,经过有线或无线的网络拓扑结构传输至监控主机。同时,论文基于风机故障特性,将小波包分析提取到的风机故障特征向量作为BP神经网络的输入,结合专家系统设计了风机故障诊断算法,经过训练与验证,证明该算法模型可信度较高,可以有效实现风机故障诊断。监控上位机设计基于C#语言,调用Matlab组件,实现数据实时显示、曲线显示、阈值报警、故障分析等功能。最后,论文给出了各板卡功能测试及系统整机测试的过程,测试结果表明,系统各模块均满足设计需求,能够实现对电力风机的在线监测并诊断健康状态,具有良好的稳定性和可靠性。