为了保证生产的顺利进行,避免设备发生事故和保障人身安全,提高经济效益,设备状态监测与故障诊断技术越来越受到人们的重视。人工神经网络模仿人脑的物理结构,以其强大的并行运算和联想能力非常适合于设备状态监测与故障诊断。本文针对鞍钢鲅鱼圈烧结厂烧结风机的故障诊断与状态监测系统,依据设备振动诊断技术的相关理论,利用人王神经网络的集成,对烧结风机的故障诊断的课题进行了研究。系统采用先进的硬件设备进行数据采集,再利用傅立叶变换对所采集的数据进行频域分析,获得特征值,以此总结出风机的故障征兆表;再将这些特征值作为神经网络的输入;神经网络部分介绍了适于诊断的BP神经网络的结构形式,提出了对于BP神经网络的改进算法,并根据实际情况构建了两个子神经网络,利用两个子网络集成的神经网络方法对获得的特征值进行处理,获得最终的故障诊断结果。本文对实测的风机振动数据进行结论验证,结果表明,本文提出的以BP神经网络为基础的风机故障诊断方法具有准确、实用等特点。