天车在铝电解工艺过程中作为核心的电气设备之一,有着复杂、庞大的电气结构。铝电解厂多数为强磁场、强导电粉尘以及湿热的恶劣环境下。因此多功能天车的绝缘垫可能出现绝缘表面被击穿的绝缘性故障。而人工的巡检方式可能会出现发现不及时的问题。本文将以天车的绝缘性为研究对象,融入神经网络算法,用它对天车的绝缘状态故障进行故障分类识别,并将并结合兼有智维、智察功能的智能工业物联网平台对故障进行在线监测。该套物联网平台能够实现对铝电解过程中天车的绝缘性能基于实时监测数据的故障诊断和可视化监控。本文分析了铝电解天车绝缘材料受外界因素影响时泄露电流变化特征。利用傅里叶变换发将传感器采集到的泄露电流进行了频谱分析。针对铝厂提供的数据分析指出了不同故障时泄露电流的特征表现。从结果中可以发现在0.1Hz-0.5Hz主频的范围内不同故障时其发生的泄露电流幅值有明显的差异。针对铝电解厂天车故障分类,将泄露电流的特征类型作为神经网络的特征输入,故障类型作为特征输出,建立了经过修改后的BP网络模型。并在多次训练中确定了输入神经元为6,隐含层为8,输出神经元为3的网络结构模型。并用某铝电解厂提供的数据验证了改良后神经网络模型的效果,对故障的分类判断有较高的准确率,符合实际工业运作的要求。本文通过将M语言的Matlab神经网络工具箱封装成组件,链接入基于java的云平台,脱离Matlab的工作环境,设计出了在线的具有运维和监测两大主要模块的故障监测方式。