脉冲神经网络被誉为第三代人工神经网络，脉冲神经网络与模糊控制的结合是当前人工神经网络发展的一个前沿课题。本文在模糊推理及神经元的行为机理的基础上，提出了具有很高的理论价值和应用潜力的模糊脉冲神经网络(FSNN)。在理论方面，分析了旋转机械的特点，并重点研究了FSNN的结构及诊断算法，基于FSNN与专家系统的融合故障诊断模型及FSNN在旋转机械故障诊断中的应用。在实践方面，针对某钢铁企业煤化工厂的旋转机械开发了具有实用价值的基于FSNN的旋转机械在线故障诊断网络化系统。　　 本文的主要研究内容如下:　　 ①概述了本课题研究的目的与意义，对几种常见旋转机械的故障特点以及神经网络理论的发展及几种典型人工神经网络（如BP网络、SOFM网络）在故障诊断中的应用效果进行了全面的综述[79]。　　 ②对神经元及神经元行为机理进行了系统介绍，论述了脉冲神经元的模型，并从数学角度重点介绍了累积放电模型，并分析了三种在脉冲编码信息的方式:速率编码，时间编码及数量编码。然后从理论上分析了模糊脉冲神经网络模型，并分析了其模糊聚类分析的数学模型。　　 ③在故障诊断方面，研究了模糊脉冲神经网络模型在旋转机械故障诊断中的应用:1）针对传统人工神经网络在旋转机械故障诊断方面的诊断速度与精度的不足，提出了模糊控制与脉冲神经网络内结合的模糊脉冲神经网络模型。通过对FSNN与SOFM及BP网络两种传统神经网络的诊断结果分析和比较，可以认为在旋转机械故障诊断中，基于模糊脉冲神经网络的诊断算法比起传统的人工神经网络诊断算法速度更快，诊断结果更准确。2）通过与FCM的诊断仿真比较表明，FSNN通过脉冲序列的种群编码方法迭代搜寻最优解，因而其较FCM有更高的分类准确率。　　 ④在分析了专家系统在故障诊断中的特点基础上，提出了一种基于FSNN与专家系统的融合诊断模型。该模型中FSNN与专家系统能相互独立地完成各自地任务，FSNN具有更适合感知信息的功能，而专家系统擅长推理解释工作，两者在功能上互补，可以更快速地进行故障诊断。仿真实验证明，该系统具备应用于旋转机械故障诊断的可行性及应用价值。　　 ⑤在故障诊断的实践方面，根据课题要求，开发了基于FSNN的旋转机械在线故障诊断网络化系统，将现场在线监测诊断、远程诊断中心有机结合起来。系统采用FSNN诊断算法对某钢铁企业煤化工厂的旋转机械进行在线诊断。针对旋转机械的振动故障特点，系统提供了比较完善的信号分析法和故障种类比较齐全的自动诊断，为该企业设备的安全、经济运行提供了有力支持。