轧辊是轧机的重要部件,其功用是在轧制生产中直接与金属接触,使金属产生塑性变形；轧辊由各类轧辊轴承支承。珠钢CSP生产线所用的进口轧辊承价格昂贵,工况恶劣,承受负荷大,磨损严重,故障机理复杂,加上随机参量的干扰,这给轧机向高速、重载、高精度、连轧化和自动化发展带来较的影响。因此,实现对轧辊的故障预测与诊断,保障设备安全、稳定、高效的运作,对保证产品质量、降本减耗显得必要,在理论上也具有重要意义。本文根据企业提供的故障症状和现象,研究了产生轧辊故障的主要因素,利用这些主要因素实现对轧辊故障的有效预测,并完成了轧辊故障预测与诊断系统的研究开发。主要研究内容包括：　　 ⑴阐述了课题的研究背景、来源,故障智能诊断的发展历史及目前国内外轧辊故障智能诊断的发展现状和趋势。分析了轧机的结构特点、运行机理后,深入研究了轧辊故障的主要产生因素；阐述了故障的主要模式及提取有效参数的方法。为开展轧辊故障预测与诊断系统的研究开发奠定了基础。　　 ⑵运用Matlab分析工具,采用比较的方法逐步深入研究,在讨论传统BP网络法、动量梯度下降法、GRNN等方法存在各种预测缺陷后,提出了构造新网络模型的思想:在各节点的权值或阀值达到最优值后,再将冗余的权值或阀值剔除掉。于此基础上,建立了基于Bayesian的BP神经网络预测法,实现了对轧辊故障快速和准确的预测,达到了本课题研究的目的。　　 ⑶研究了模糊处理方法,在加权统计故障理论的基础上,设计了模糊逻辑推理器,即将预报的模糊数据清晰化处理。使用最小二乘法优化处理后,再将输出的结果与故障库中的故障进行匹配,有效的预测出了轧辊将产生的故障。　　 ⑷在用户需求的基础上,确定了开发系统的方案。依据故障库中各单元的关系,建立了E-R模型,并将SQL Server2005作为后台管理库,VB.NET作为系统的开发语言,应用动态链接库链接访问Matlab的M文件,最后完成了系统的设计开发。对轧辊故障智能预测与诊断系统进行测试验证,基本达到了预期目标。