随着计算机技术、信号分析与处理技术、测试技术、控制理论、振动和噪声理论、模式识别理论及其它相关学科的发展,工业生产逐步向大型化、高速化、自动化方向迈进,为机械设备的监测与故障诊断技术开辟了广阔的应用前景.由于机械设备的监测与故障诊断技术的实用性以及为社会和企业带来的效益,故日益受到企业和政府主管部门的重视.该文将研究一套完整的风机在线监测与故障诊断系统方案,它集信号采集、状态监测、信号分析与处理和智能诊断于一体.所论述的系统要能对风机故障作出很好的诊断,并通用于所有旋转机械故障诊断.文中研究了旋转机械故障机理和诊断技术;研究了信号分析与处理中的又与故障诊断有密切联系的理论知识;研究了基于BP神经网络在故障诊断中的应用,提出了一种新的优化算法,研究了基于模糊神经网络的综合故障诊断专家系统.研究的风机故障智能诊断系统方案,将包括三个主要部分,即风机工况数据采集与状态监测子系统、信号分析与处理子系统和智能诊断子系统.数据采集、实时监测子系统在线显示各种快变信号(如振动)和缓变信号(如压力、温度)的数字和图表,运用振幅、振幅增加速率等多种方法判别机组运行是否正常,实现异常工况自动报警.信号分析与处理子系统接收实时监测子系统传来的各种数据,把数据在时域、频域里进行分析.进行轴心轨迹图、时域波形,自相关函数等图形显示.智能诊断子系统采用人工智能技术中的人工神经网络技术和模糊诊断技术相结合的理论,将其融入系统的推理机制,赋予诊断系统以较高的智能水平和较强的自学习能力,使系统在诊断的实践中变得越来越聪明,不断提高故障诊断的准确率.对旋转机械故障诊断软件建模进行了深入的研究,分别建立了软件的信息模型、动态模型和功能模型.软件系统采用面向对象的编程工具VC++6.0编制.完成了系统的主要界面.