随着我国城市化进程的加快,城市生活垃圾的快速递增,垃圾处理问题已引起广泛关注。城市垃圾再生煤主要是通过对城市生活垃圾进行粉碎、烘干、添加催化剂等一些生产处理,加工成可燃的再生煤。垃圾破碎是垃圾环保再生煤生产中的一道重要工序,主要由垃圾破碎机来完成破碎工作。然而,破碎机组的结构较复杂,加之我国城市生活垃圾成分变化大,导致破碎机在实际生产中经常出现故障,严重影响企业的生产效率。因此,为提高生产效率,迫切需要对破碎机组进行故障诊断研究。　　本文针对破碎机组的故障诊断问题,结合广西制造系统与先进制造技术重点实验室资助项目(桂科能07109008_013_Z)“城市垃圾的环保再生煤生产设备关键技术研究”,主要做了以下工作:　　第一,研究了破碎机组的工作原理、故障机理和故障数据采集方法。首先分析破碎机组的工作原理;在此基础上,研究了破碎机组的典型故障机理及故障特征提取方法。　　第二,研究了基于神经网络的故障诊断技术。首先,在分析人工神经网络原理和特点的基础上,重点研究 BP和 RBF网络及其在故障诊断中的应用。然后,以破碎机组故障诊断为例,开展了基于 BP和 RBF神经网络的破碎机组故障诊断研究。通过上述研究,为后续集成神经网络的故障诊断奠定基础。　　第三,提出了基于集成神经网络的破碎机组故障诊断方法。研究了集成神经网络的网络结构、网络组建原理及实现策略,分析了基于置信权值的决策融合方法。然后建立了基于集成神经网络的破碎机组故障诊断系统。实验对比表明,与单个神经网络故障诊断结果相比,集成神经网络的故障诊断准确度较高,更适合于破碎机组的故障诊断。　　第四,开发了基于集成神经网络的破碎机组故障诊断原型系统。该系统包括数据处理子系统、网络训练子系统、决策融合子系统、数据管理子系统等四部分。该系统可以对采集的数据进行预处理,然后输入决策诊断子系统进行诊断,得到最终故障诊断结果。同时,可以根据实际情况对网络进行训练,以及对后台数据进行管理。　　通过以上研究,初步可以实现对破碎机组故障诊断,为垃圾环保再生煤生产线效率的提高奠定基础。