隨著科學技術和生產的高度發展，機械設備工作強度不斷增大，生產效率、自動化程度越來越高，同時設備結構的復雜性迅速增加，各部分的關聯愈加密切，往往某處微小故障就會危及生產過程的正常運行。另外，隨著設備自動化程度的日益提高，設備工作性能更趨完善，對設備的投資越來越大，維修費用變得越來越高[1]。對設備的狀態監測與故障診斷的研究不僅可以早期發現故障，避免災難事故的發生，還可以將計劃性維修、事故性維修逐步過渡到以狀態檢測為基礎的預防性維修，極大提高企業的經濟效益。設備狀態監測與故障診斷技術發展到現在，已經成為一門獨立的跨學科的綜合信息處理技術，它以可靠性理論、信息論、控制論和系統論為理論基礎，以現代測試儀器和計算機為技術手段，結合各種診斷對象（系統、設備、機器、裝置、工程結構、工藝過程等）的特殊規律而逐步形成一門新興學科。它大體上由三部分組成：第一部分為故障診斷物理、化學過程的研究，例如以電氣、機械部件失效的腐蝕、蠕變、疲勞、氧化、斷裂、磨損等理化原因的研究。第二部分為故障診斷信息學的研究，它主要研究故障信號的采集、選擇、處理與分析過程。例如通過傳感器設備中運行中的信號（如振動、轉速），再經過時域與頻域上的分析處理來識別和評價所處的狀態或故障；第三部分為診斷邏輯與數學原理方面的研究，主要是通過邏輯方法、模型方法、推論方法及人工智能方法，根據可觀測的設備故障表征來確定下一步的檢測部位，最終分析判斷故障發生的部位和產生故障的原因。設備狀態監測與故障診斷技術與當代前沿科學的融合是設備故障診斷技術的發展方向。當今故障診斷技術的發展趨勢是傳感器的精密化、多維化，診斷理論、診斷模型的多元化，診斷技術的智能化[4]，具體來說表現表現在如下方面：

從上個世紀90年代起，我國也開始了自主的無線傳感網絡的研究和應用。我國無線傳感網絡的實際研究與國際相比具有同發優勢，與國際先進水平基本保持同一水平。中國科學技術大學在研究了無線傳感網絡節點定位問題之后，提出了一種新的節點定位算法，從而提高了節點的探測能力。 

3.1 BP網絡的設計

（1）輸入和輸出層的設計

輸入的神經元可以根據需要求解的問題和數據表示方式確定。如果輸入的是模擬信號波形，那么輸入層可以根據波形的采樣點數目決定輸入單元的維數，也可以用一個單元輸入，這時輸入樣本為采樣的時間序列；如果輸入為圖像，則輸入單元可以為圖像的像素，也可以是經過處理的圖像特征。 

（2）網絡的層數

理論上早已證明：具有偏差和至少一個S型隱層加上一個線性輸出層的網絡，能夠逼近任何有理函數。增加層數主要可以更進一步的降低誤差，提高精度，但同時也使網絡復雜化，從而增加了網絡權值的訓練時間。

（3）隱層的設計

對于BP網絡，有一個非常重要的定理。即對于任何在閉區間內的一個連續函數都可以用單隱層的BP網絡逼近，因而一個三層BP網絡就可以完成任意的n維到m維的映射。

（4）初始值的選取

初始權值一般取隨機數，要比較小。

（5）學習速率

學習速率決定每一次循環訓練中所產生的權值變化量。大的學習速率可能導致系統的不穩定，但小的學習速率將會導致訓練較長，收斂速度很慢，不過能保證網絡的誤差值不跳出誤差表面的低谷而最終趨于最小誤差值。所以在一般情況下，傾向于選取較小的學習速率以保證系統的穩定性，學習速率的選取范圍在0.01～0.8之間。

（6）期望誤差的選取

在設計網絡的訓練過程中，期望誤差值也應當通過對比訓練后確定一個合適的值，這個所謂的“合適”，是相對于所需要的隱含層的節點數來確定，因為較小的期望誤差值是要靠增加隱含層的節點，以及訓練時間來獲得的。

4系統軟件設計

4.1系統軟件整體構架

煤礦大型機電設備群異常運行狀態辨識與預警網絡化系統的實現，需要構建BP模糊神經網絡模型，并融合多方面的信息，對采集的故障狀態信息進行運算處理，完成機電設備群的預測預警功能。系統軟件的整體構架如圖4-1所示。

 

  Fig.6-1 System software the overall architecture 

系統軟件部分以MCGS組態軟件為核心，外圍包括Visual Basic執行構件，MATLAB軟件和無線傳感器網絡部分。MCGS組態軟件雖然有著強大的人機界面和通訊功能，但卻不方便進行復雜數據的計算與分析。而MATLAB是一套優秀的數值計算、算法開發、系統仿真軟件，擁有大量穩定可靠的數據庫，在控制策略編制、算法改進、參數在線調整、仿真調試等方面有著明顯優勢。但是其人機界面設計不方便，沒有提供與計算機硬件的接口，無法進行端口操作，不能構建直觀、形象的設備狀態監測界面。利用DDE協議進行數據交換，可以充分利用MATLAB和MCGS組態軟件的優勢，給用戶提供一個多角度、多層次可視化人機交互環境。