乔文生，艾士娟，张凤香，李 虹，郭理中，曹永辉

（1.北京航天拓扑高科技有限责任公司,北京 100176；2.中国内燃机工业协会，北京 100825）

0 引言

生料立磨是水泥生产企业最重要的生产设备之一。在实际生产中，由于立磨齿轮箱齿轮、轴承故障造成设备不能正常运转的现象屡见不鲜，给连续生产的水泥企业造成重大损失。以金陵河水泥厂一台重庆齿轮箱厂生产的JLP400 型立磨齿轮箱为研究对象，构建基于BP 神经网络的立磨齿轮箱故障诊断系统。

传统的基于傅里叶变换、包络解调、Winger—Ville 分布、小波分析等分析诊断方法已经有较广泛的应用，但对于立磨齿轮箱复杂振源下轴承及齿轮故障诊断效果不尽如人意。由于神经网络具有联想、记忆和学习功能，同时也具有较强的分类能力，可弥补常规故障诊断方法的不足，更适用于多故障类型、多征兆类型的复杂故障模式的识别，各影响因素与故障现象间是复杂非线性关系的轴承齿轮故障诊断，在机械设备故障智能诊断领域备受关注，BP 神经网络及其改进算法是研究较多的一类，它为人工智能专家系统研究另辟蹊径，能够有效克服专家系统存在的知识获取瓶颈问题及自学习缺陷，并改进诊断系统中知识表达和并行处理的能力。

1 设备基本情况及主要故障特征分析

1.1 设备基本资料

辊式立磨减速器结构型式目前主要是锥齿轮传动-行星传动。标准设计是电机水平布置，动力水平输入，垂直向上输出。JLP400 减速机外观及铭牌如图1 所示。……