针对D350风机常见故障的特点，在故障机理分析的基础上列举并分析了D350风机在实际工况下的典型振动故障，对各种故障的原因和所表现出的振动特性进行了研究，并根据D350风机的特点利用模糊量化法建立了故障诊断知识库，为故障诊断打下了基础。 在基于知识的传统专家系统的基础上，提出了一种新的风机故障诊断专家系统模式——基于模糊神经网络的专家系统，克服了传统专家系统不能进行自学习、自适应的缺陷。 针对D350风机的故障特点，将反映故障的振动信号运用模糊量化法进行处理，使之能更好的反映故障的随机性和不确定性。在本系统中，选用的是BP反向传播神经网络，利用神经网络学习算法获取知识，通过神经网络的连接模型表示知识，以充分利用神经网络学习能力的优势。在传统专家系统方法中，知识是通过符号以某种数据结构来表示的。本方法将D350风机故障知识库信息分布到神经网络的网络结构、权值和阈值中，从而可以较好地表示专家知识。 该系统在现场实际运行中得到了工作人员的一致肯定，证明基于模糊神经网络的专家系统完全可以满足工程中的实际需要，而且优于传统专家系统，具有重要的应用价值。