现代工业生产设备趋向大型化、连续化、高速化和自动化，功能越来越多、结构越来越复杂，但因此设备故障停工造成的损失大大增加。保证生产正常进行的关键是使各种重要的大型设备正常运转。如果在设备出了问题后维修，停产不仅带来经济上的巨大损失，而且设备带病工作有可能引起严重损害。由于涉及破碎机系统故障诊断的文献报道极少，因此有必要对其进行研究。
根据运行系统和现场技术人员的经验积累可知：破碎机在运行过程中故障与征兆之间的描述语言是模糊的，要充分利用这些数据对破碎机进行故障诊断，首先需要对这些数据进行模糊处理，以适应神经网络的输入输出需要。为解决这些问题，本文在利用神经网络进行故障诊断时，运用模糊数学对故障知识和数据进行模糊处理，并利用MATLAB工具箱中的BP神经网络，将模糊理论和神经网络有机结台起来，找出破碎机运行中故障原因与现象间的模糊关系，运用神经网络进行故障知识学习，这将有利于提高破碎机故障诊断的质量和效率。
2、破碎机的故障集及征兆集的建立
破碎机故障原因、故障征兆较多，为简便起见，根据现场运行经验及有关文献，对大型破碎机组的主体、润滑系统及电机部分进行总结归纳，得到IO种主要故障形式，分别是：(A)．破碎能力下降；(B).破碎机振动过大；(c)．破碎机过热；(D).水平轴磨损；(E)．定锥松动；(F)．润滑失效；(G)．甩油故障；(H)漏油故障；(I).过滤器堵塞；(J).电机轴承烧坏。
同时借助传感器获得以下十一个参数值作为破碎机故障征兆：(1)传动轴转速；(2)止推轴承温度；(3)传动轴与外衬套温度；(4)排矿口尺寸；(5)冷却管进油温度；(6)冷却管进出油温差；(7)回油管温度；(8)供油流量；(9)过滤器压差：(10)水平轴压力；(11)电机轴承温度等十一种运行征兆参数作为破碎机故障征兆以提取破碎机故障。其中电机轴承温度在两个不同位置分别设置了传感器，通过求二者的平均值确定它的参数值以便精确测定。
3、故障诊断征兆的模糊处理
模糊神经网络与传统多层感知器的主要区别在于其输入和输出均表示为模糊隶属度，通过隶属度函数的适当选择，该网络既可以处理数字形式输入又能适应语义形式输入，同时输出也不再是单一的分类结果而是各类的隶属度，这样就更好地模拟了人脑思维的模糊性。
（转载请注明：30码期期必中破碎机/psj/）
