风机在工业生产中发挥着重要的作用，当风机发生故障时，不仅对整个生产线产生直接影响，而且会造成重大的经济损失甚至是机毁人亡的事故。为保证设备的安全运行,降低机组维修费用和提高设备利用率，设计出一种自动获取知识且能进行高速推理的故障诊断方法，已经成为风机故障诊断研究的一个主要方向。本论文针对某炼钢厂风机的故障诊断与状态监测进行研究，采用PDM2000数据采集分析仪对故障风机进行振动信号采集，获得特征频率，根据设备振动诊断技术的频谱分析方法，分析讨论风机故障的故障征兆,得到风机故障的诊断结果。同时又采用BP神经网络分析方法，对风机的故障做进一步的诊断分析。本文根据BP神经网络的结构形式及算法，选用三种方法对BP神经网络的算法进行改进；并通过实测数据运算及三种改进算法的相互比较，从而选出运算速度比较快、判断比较准确的Levenberg-Marquardt算法对所建立的BP神经网络进行训练分析。将采集的现场风机的特征数据，通过Matlab软件进行训练；并通过已训练完成的BP神经网络对其进行测试，从而判断得出风机目前也存在转子不平衡、转子碰摩及轻微转子不对中等故障，其诊断结果与现场实测分析结果相吻合。本文通过实测的风机振动数据分析结果与理论计算结果进行比较分析,证明本文提出的采用BP神经网络改进算法对风机故障进行诊断具有一定的实用性和可行性。