随着钢铁工业的快速发展,冷轧机的用途越来越广泛。冷轧机不是一部简单的旋转机器,它有许多特殊的问题,对其进行故障诊断的难度很大。虽然经历了几十年的发展,但对冷轧机的故障机理及诊断方法了解还不够成熟,应用传统的诊断方法很难精确诊断。随着人工智能技术的日益成熟,在故障诊断领域的应用越来越广泛,用智能诊断技术代替传统诊断方法对冷轧机进行诊断已成为一种必然的发展趋势。本文对鞍钢冷轧厂一号生产线1700型冷轧机的具体结构和工作原理进行了系统分析和研究,总结其工作机座、减速机以及主电动机的常见故障类型和产生原因。采用时域分析和小波包分析的方法对其振动信号进行特征提取,并结合现场监测的轧制力、张力以及带钢速度对其运行状态进行监测与诊断。在建立智能故障诊断系统时,分析了BP神经网络的基本原理以及在故障诊断领域的应用,在对冷轧机振动信号处理基础之上,建立了神经网络样本集、测试集,并对神经网络进行仿真训练。在系统具体实现中,采用Visual C++6.0进行人机界面的设计,利用MATLAB进行神经网络部分的训练、测试和仿真,充分利用二者的交互性完成整个系统的设计。经过测试,证明本系统达到实际应用要求,具有较高的准确率。