随着科学技术的迅猛发展,现代工业生产的机械设备正朝着大型化、复杂化、高速化、自动化及大功率方向发展。然而伴随生产效率提高的同时,设备维修费用和难度亦增加,传统的“事后维修”、“定期维修”已经不能满足企业的需求。机械设备特别是工厂的关键设备的故障诊断技术越来越受到重视。无论是从企业的安全生产或是维修成本考虑,以设备状态监测的为基础“预防性维修”越来越受到企业的欢迎,特别是随着人工智能、模式识别等理论迅速发展,智能化诊断技术已成为故障诊断领域一个新的研究方向。本文对国内外智能诊断技术进行研究,特别是最近比较流行的基于BP神经网络的故障诊断技术的深入研究。详细介绍了神经网络理论的发展、模型、算法以及遗传算法理论。针对BP网络的局限性和弱点:如样本顺序对建模成果有一定影响、训练速度比较慢、训练抖动问题、容易收敛于局部极小点以及算法不收敛等,提出利用遗传算法全局搜索特性来训练BP网络的权值和阈值,将遗传算法和BP算法有机结合,使每一种诊断方法都在其优势空间发挥作用。本文用MATLAB对故障样本进行仿真论证了算法的可行性。最后针对炼铁厂烧结抽烟机,研制了一套基于遗传BP网络的烧结抽烟机在线监测与故障诊断系统,该系统能在监测抽烟机运行状态同时,实现实时数据采集与分析处理、组态参数设置、历史趋势回放分析、故障智能诊断等功能,系统采用人机交换界面,具有界面友好,操作简单,预报准备的特点。本文介绍了系统了硬件构成包括传感器选型、网络采集卡、现场布线情况和软件功能实现,并着重介绍了智能诊断模型的离线训练和在线诊断功能。