近年来国内外的机械故障诊断技术迅速发展,其应用已遍及各个工业领域。由于旋转机械结构复杂,故障特征及原因普遍存在模糊性和复杂性,对其实施故障诊断比较困难,尽管人们对其开展了不少研究并取得了一些研究成果,但总的诊断水平还不是很高,这与其在生产中广泛应用的现状极不相符。因此,对旋转机械开展故障诊断研究具有十分重要的意义。针对旋转机械故障的特点,本文研究了神经网络故障诊断方法和模糊理论故障诊断方法,比对了两种方法的优缺点,采用了一种基于模糊神经网络(ANFIS)的旋转机械故障诊断方法。所采用的故障诊断方法具有实时性好、误报率低、算法简捷和可兼顾多参数诊断等特点,并将其用于旋转机械的故障诊断。实验结果表明,与常用的神经网络和模糊理论故障诊断方法相比,该方法能够弥补模糊理论和神经网络单独应用时所存在的不足,具有更高的诊断准确率,在旋转机械故障诊断领域具有较好的应用前景。在深入分析旋转机械故障诊断过程的基础上,借助Visual C++6.0开发环境,完成了旋转机械故障诊断原型系统的设计,并用旋转机械常见故障状态的特征向量数据对其诊断结果的正确性进行了测试和仿真,效果良好,证明此系统具有可用性。