1、擠壓機是擠壓加工生產(chǎn)線中的關鍵設備，決定著擠壓車間的生產(chǎn)品種和能力。因此，對擠壓機的故障診斷和及時排除故障對保證產(chǎn)品質量和生產(chǎn)進度顯得尤為重要。即使是經(jīng)驗豐富的工人診斷設備的運行狀態(tài)也無法與一套完整的設備狀態(tài)監(jiān)控系統(tǒng)的判斷精度相比。一旦判斷失誤就會造成重大損失。為了提高擠壓機可靠性、經(jīng)濟性，降低生產(chǎn)成本，提高設備的利用率，通過設備的狀態(tài)監(jiān)測與故障診斷技術，實現(xiàn)設備的“狀態(tài)維修”就成為現(xiàn)代設備管理和維護的必然需要。
　　 本文在分

2、析了擠壓機結構特點、擠壓機故障的種類及產(chǎn)生的多種原因的基礎上，給出了一種利用神經(jīng)網(wǎng)絡技術來進行擠壓機故障診斷的設計方案。
　　 本文所采用的擠壓機故障診斷方法是:利用多種傳感器測出擠壓機液壓系統(tǒng)壓力、溫度及振動信號，根據(jù)液壓系統(tǒng)反饋回來的信號自動繪制出壓力波形，并且提取出特征參數(shù)，再將這些特征參數(shù)作為BP神經(jīng)網(wǎng)絡的輸入樣本，并利用其對所建立起的BP神經(jīng)網(wǎng)絡反復訓練，然后利用訓練好的神經(jīng)網(wǎng)絡進行擠壓機故障診斷，得出診斷結果。這種方

3、法不僅大大提高了故障診斷的效率，而且還使故障診斷具有人工智能化。
　　 試驗表明，基于神經(jīng)網(wǎng)絡的故障診斷結果與實測值具有良好的一致性，只要擁有了足夠多能夠準確反映故障的樣本對BP神經(jīng)網(wǎng)絡進行訓練，網(wǎng)絡的可靠性和穩(wěn)定性就能得到大大的提高。針對設備運行的復雜性，僅選用單一的診斷參數(shù)往往會做出錯誤的判斷，而基于神經(jīng)網(wǎng)絡的故障模式識別方法能充分利用信息特征，實現(xiàn)輸入與輸出之間的映射關系，得出準確的診斷結果。人工神經(jīng)網(wǎng)絡為狀態(tài)監(jiān)測和故障診