随着机械设备复杂程度和自动化水平的提高，机械设备故障诊断的重要性日益显著，而选择合适的诊断方法对于诊断结果是否精确就显得更为重要。随着计算机技术的普及，故障的智能诊断显示出极大的优势。人工神经网络模仿人脑的物理结构，以其强大的并行运算和联想能力非常适合于机械设备故障诊断，神经网络技术其信息的并行分布式处理在设备故障诊断中更显其优越性。首先，本文系统介绍机械故障诊断技术的重要性和国内外发展现状、趋势的基础上，指出了人工神经网络理论应用于机械故障诊断技术具有极大的应用价值和发展潜力。同时也指出，我国目前人工神经网络理论在机械故障诊断领域的应用还不完善，仍处于发展阶段。然后，本文介绍机械设备振动诊断技术的相关理论及分析方法，针对旋转机械振动的特点，进行了典型故障机理分析。研究了人工神经网络的基本原理、模型结构和算法，选择了BP神经网络作为机械设备故障诊断的方法。由于BP算法采用梯度下降法，存在收敛速度慢且易于陷入局部最小点等缺点，采用基于数值优化Levenberg-Marquardt(LMBP)算法。针对旋转机械的典型故障特征，确定了适合故障诊断的神经网络的模型，并对现场发生的故障进行分析与诊断，证明LMBP网络可以大大提高故障诊断的准确度。本文提出了基于神经网络的机械振动故障诊断系统的方案，在Windows开发平台上，基于Delphi 7开发环境，采用面向对象的程序设计思想和模块化的程序设计，对本系统进行了软件的实现。本系统主要包括文件管理模块，参数设置模块，信号分析模块、神经网络的训练与诊断模块以及系统帮助模块。通过BP网络对机械故障进行诊断，结果表明LMBP网络具有良好的故障诊断、识别性能，并能提高了设备诊断、维修的效率，降低了设备的维修成本，具有很好的应用前景。