1. 研究目的与意义
设备诊断技术、修复技术和润滑技术已列为我国设备管理和维修工作的三项基础技术。设备故障诊断是指在设备运行中或在基本不拆卸的情况下，通过各种手段，掌握设备运行状态，判定产生故障的部位和原因，并预测、预报设备未来的状态，从而找出对策的一门技术。设备故障诊断既要保证设备的安全可靠运行，又要获取更大的经济效益和社会效益。设备故障诊断的任务是监视设备的状态，判断其是否正常；预测和诊断设备的故障并消除故障；指导设备的管理和维修。设备故障诊断技术的发展历程：感性阶段→量化阶段→诊断阶段（故障诊断技术真正作为一门学科）→人工智能和网络化阶段（发展方向）。
2. 国内外研究现状分析
利用振动信号对故障进行诊断，是设备故障诊断方法中最有效、常用的方法。 振动诊断的时域分析方法包括直接观察法、概率分析法、示性指标法、时域同步平均法及相关函数诊断法。 在旋转机械振动监测和故障诊断中，对波形复杂的振动信号，常采用其峰峰值；而利用均方根幅值作为故障诊断的判断依据是最简单、最常用的一种方法；峭度广泛应用于滚动轴承故障诊断。 振动频谱中包含机器零部件的机械状态信息，振动诊断的任务从某种意义上讲，就是读谱图，把频谱上的每个频谱分量与监测的机器的零部件对照联系，给每条频谱以物理解释。一台机器设备在其运转过程中会产生各种频率项，包括旋转频率项、常数频率项、齿轮频率项、滚动轴承频率项、倍乘频率项、电机频率项、皮带频率项、链频率项和谐频频率项等。 振动诊断的其他方法包括倒频谱诊断法、轴心轨迹等。
3. 研究的基本内容与计划
在现代自动化生产过程中，人工神经网络已广泛应用于工况监视、成品检验和质量控制等领域。用模式识别检测方法可以大大提高生产效率和生产的自动化程度，是实现计算机集成制造的基础技术。随着人工神经网络自身的成熟和发展，可以预计它将在现代及未来制造企业中得到越来越广泛的应用。这里主要介绍人工神经网络在故障检测里的应用。
4. 研究创新点
人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。人工神经网络是并行分布式，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理问题中，具有自适应、自组织和实时学习的特点。
运用人工神经网络进行故障检测可以达到效率高，减少人工量，准确度高的效果。
