随着设备复杂程度的提高和自动化水平的提高，设备故障诊断就显得尤为重要，而选择合适的诊断方法对于诊断结果是否精确就显得更为重要。随着计算机技术的普及，故障的智能诊断显示出极大的优势。而神经网络技术以其信息的并行分布式处理在设备故障诊断中更显其优越性。 近十年来，许多学者就神经网络技术在设备故障诊断中的应用进行了一些深入细致的研究，并已取得了一些成果。但对于复杂的故障，单一的神经网络诊断很难得出准确结果，考虑到旋转机械故障的复杂性，因而将集成神经网络应用于旋转机械故障诊断中。 在本论文中，对旋转机械的故障特点和故障机理进行了分析。介绍了神经网络的基本知识，对适合诊断的多种神经网络形式进行了比较，确定了神经网络的建模方式，总结了旋转机械故障征兆表。在集成神经网络的建模上，采用振动网络和磨损网络作为集成神经网络的子网络并对现场发生的故障运用集成神经网络进行分析，证明集成神经网络可以大大提高故障诊断的准确度。 通过上述研究，建立了旋转机械故障征兆表，振动子神经网络，油液分析子网络，集成神经网络的模型；并通过现场对故障进行诊断，证明了该方法的可行性，最后，对此方法的发展前景进行了预测。