1. 研究目的与意义
现代化生产日益向着大规模化、自动化方向发展,机械故障诊断越来越受到重视.，因此研究设备故障的智能诊断有助于提高生产过程的自动化，保障生产安全、高效运行，具有重要意义。
随着现代工业及科学技术的发展，现代设备或系统的结构越来越复杂，自动化系统的规模越来越大。这就使得影响设备或系统正常运行的因素骤 增，使其产生故障或失效的潜在可能性越来越大。一旦发生故障，必须迅速、准确地找到故障，然后加以排除，恢复设备或系统的正常运行。当将人工神经网络技术应用于故障智能诊断系统中时，它通过自行学习已知故障样本，可达到自动、高效、准确地分析、判断故障的目的。
2. 国内外研究现状分析
基于人工神经网络(ANNartificial neural network)的故障诊断方法具有鲁棒性好、容错能力强和学习能力强等特点。目前应用于设备故障诊断的ANN有:基于BP(ackpropagation)算法的前向神经网络和基于径向基函数的神经网络等。典型的故障诊断神经网络BP模型，其实现方法是:以系统保护信息作为ANN的输入，以可能发生的故障作为其输出，选择适当的样本集训练ANN。整个训练过程为:首先根据网络当前的内部表达，对输入样本进行前向计算;然后比较网络的输出与期望输出之间的误差，若误差满足条件，则训练结束，否则，将误差信号按原有的通路反向传播，逐层调整权值和阀值，如此反复，直至达到误差精度要求。另外对大型网络而言目前主要方法是网络分区，对各个区域分别建立基于BP算法的故障诊断网络，然后综合获得最终的故障诊断结果。基于ANN的诊断方法的主要特点是避免了一般设备故障诊断所面临的知识库构造等难题，不需要推理机的构造。由于用于ANN训练的完备样本集获取困难，目前该方法只比较适合中小型设备的故障诊断。ANN方法在故障诊断应用中存在的问题主要是:①其性能取决于样本是否完备，而大型的设备的完备样本集获取非常困难;②与符号数据库交互的功能较弱;③不擅长处理启发性的知识;④不知如何确保ANN训练时收敛的快速性和避免陷人局部最小;⑤缺乏解释自身行为和输出结果的能力。以上缺点限制了ANN故障诊断方法在线应用于大型设备系统。如何设计适用于大型设备的故障诊断系统，仍然是一个有待进一步研究的问题。
3. 研究的基本内容与计划
研究内容:
研究利用bp人工神经网络在建立设备故障诊断模型的一般方法。
1 产生数据样本集
4. 研究创新点
采用ann人工神经网络建模方法来研究设备故障诊断，经过应用实例来说明用途。
ann网络具有并行处理，自适应性，容错性和很强的非线性变换等特性，通过已有的检测数据等信息训练网络，使训练后的网络达到满足预订目标的精度。
通过实例来说明ann建模方法来研究判断设备故障的诊断是十分有效和合理的，实验精度高，效果好。
