本论文对机械故障诊断技术中的小波分析和BP神经网络的理论和工程应用进行了详细的研究。首先，对论文课题的提出及其意义加以阐述，并介绍了目前小波与神经网络的研究现状和今后机械故障诊断技术的发展趋势；其次，从分析傅里叶变换的定义、性质、应用特点与不足出发，介绍了小波分析的理论、工程应用特点，并将其与傅里叶变换进行比较，指出小波分析在机械故障诊断中的优越性，即具有良好的时频局部化特性，很适合于平稳信号与非平稳信号的分析。再者，人工神经网络具有高度的非线性映射、自学习和自适应能力，是一种很好的故障模式分类器。因此，小波分析与人工神经网络相融合的小波—神经网络故障诊断技术，能够发挥两者的优点，扩大各自的应用范围，是一种很有效的机械故障诊断方法。 研究了小波包频道能量分解技术，解决了人工神经网络预处理的样本输入问题，实验表明它是一种理想的神经网络预处理方法。最后，在小波—神经网络理论分析的基础上，加之对风机的机械振动特性和机理进行分析后，研究了小波—神经网络故障诊断技术在风机状态监测与故障诊断中的具体应用，并成功提取和训练了一风机的典型故障样本，训练好的网络能够对该风机的运行状态进行自动识别。 论文最后结论指出，基于小波—神经网络的故障诊断技术很适合于机械设备的故障监测和故障诊断，是一种较好的故障诊断方法，为实现机械故障的智能化诊断提供了一种新的途径。