故障诊断是企业提供售后服务的关键,如何准确的发现故障原因,减少停机时间,快速维修成为增强企业核心竞争力的关键。本文以常州某企业生产的纺织用热轧机为研究对象,发现主要存在以下问题:纺织热轧机的故障具有多发性、隐秘性等特点,故障排查难度大且多依赖于工人经验,维修知识得不到传承与积累。对此,本文展开了纺织热轧机故障诊断系统的设计与研究,主要研究内容如下:(1)将模糊算法与t范数结合应用于故障树优化,确定了纺织热轧机重要零部件故障发生概率。建立了热轧机故障树模型;对于重要零部件故障发生概率不明确问题,提出了专家打分与模糊函数相结合的方法确定故障概率范围;研究了最弱t范数运算法则,用以减少计算过程中的模糊累积;最后采用了去模糊化方法获得各重要零部件故障概率。(2)研究了热轧机故障描述文本特征提取技术。优化了基于N-Gram模型的中文文本分词技术并对热轧机故障文本分词处理,根据袋模型确定故障文本的向量表达范式;对不同型号的纺织热轧机,分别采用基于词频-逆文档频率和基于Word2vec模型的方法提取故障文本特征向量,作为故障分类的预处理工作。(3)对于故障样本数量较少的热轧机型号,采用了基于遗传算法优化的支持向量机对故障描述文本建立分类模型,分类预测准确性达71.17%。对于故障样本数量较多的热轧机型号,建立了基于卷积神经网络的故障文本分类模型,分类预测准确性达89.67%。(4)开发了基于B/S的热轧机诊断系统。分析了企业需求,明确了系统开发的总体目标,分配了系统用户角色权限,设计了数据库结构。最后利用Java语言实现了系统开发,确立了企业维修纺织热轧机的管理流程,实现了故障诊断案例的智能推荐。