该论文结合现代故障诊断理论、自适应信号处理方法、模式识别理论和人工智能理论,建立基于神经网络的自适应处理方法,将回转支承实院振动信号从强北景噪声中提取出业,为科学诊断提供去伪存真的事实基础;建立基于神经网络的回转支承整体运行状态评价网络,在充分学习专家诊断经验的基础上,完成回转支承整体状态评价网络,在充分学习专家诊断经验的基础上,完成回转支承整体状态自动评价;基于神经网络的模式识别方法,实现回转支承典型故障诊断;两级神经网络处理方法,实现模式识别过程中的全网络学习,可任意逼近特征症状空间的故障空间之间的非线性映射函数;基于神经网络的处理方法具有很强的自适应用能力,在回转支承模型不能精确建立的情况下,能自动学习环境参数,建立合理的动态预测模型.该论文所研究的基于神经网络的大型回转支承智能故障诊断系统运用现代故障诊断理论,结合人工智能、现代信号处理技术,能很好学习专家诊断经验,可使各相关部门从不同侧面掌握回转支承的运行状态、故障发生程度以及故障发展趋势,为科研人员更好地把握回转支承故障发生机理积累素材;为大型回转支承使用提供科学、专家级的故障诊断手段;为企业的实际工作提供可靠的决策依据,同时也为理论的不断深化和完善创造条件.具有明显的经济效益和社会效益.