旋转机械包含一系列关键机械设备,在现代工业中占据着举足轻重的作用,因此保证旋转机械的安全可靠运行对企业和国民经济有着重要的意义。论文针对大型机械的复杂性以及其所处环境可能在野外恶劣的现实情况,设计了一套基于LABVIEW的远程监测和智能故障诊断系统,对旋转机械的运行环境、电流和振动信号进行实时监测,并对采集的信号利用小波,神经网络等各种现代信号处理的技术进行分析,进而判断电机工作的状态。小波和神经网络都是在故障诊断中广泛用到的方法,本文在总结国内外现有的诊断方法基础上,分别介绍了小波理论和神经网络的基础知识、研究进展以及它们在故障诊断中应用的现状,并针对旋转机械一般都是复杂的时变非线性系统难以提取有效故障特征的问题,首次提出一种优化的LD(BLocal Discriminant Basis,局部判别基)算法结合SOM-BP混合网络进行故障诊断与定位的新方法。首先利用改进的LDB算法提取初始的故障特征,为进一步提高类间可分离度,将这个初始的故障特征通过SOM(Self-Organizing Feature Map,自组织特征映射)网络映射到一个类别可分性更高的特征空间,最后利用BP网络根据映射后的特征完成故障诊断与定位。