冶金企业大型关键设备故障诊断的研究具有重要的理论意义和工程应用价值。本文针对当前冶金企业所使用的故障诊断仪存在着携带不便、测试方法单一、算法分析能力不强、不能及时进行远程数据传输和故障诊断等问题,展开了对滚动轴承故障特征的提取、智能诊断方法以及Android开发技术的研究,制作了一款现场数据采集分析仪,并开发了一套建立在Android手机上的故障诊断系统。数据采集分析仪采用双通道信号预处理电路,可较好地提取微弱冲击信号;采用DSP(TMS320F28335)和WiFi(CC3200)模块,可实现对大型装备振动信号的采集和分析,并通过WiFi传输到Android手机端进行现场诊断,或通过在线网络使其它手机客户端直接获取故障信息,以实现远程故障诊断。Android手机端可实现振动数据的波形显示、特征提取和综合故障诊断。具体工作包括:(1)轴承故障特征提取方法的研究。在传统故障特征提取方法基础上,研究了一种基于遗传模拟退火算法的自适应共振解调特征提取方法,借助遗传模拟退火算法的优良全局寻优特性,使得到提取复杂干扰噪声中微弱故障冲击信号的效果更加明显。(2)智能诊断方法的研究。故障诊断系统中建立了一种基于遗传算法优化的BP神经网络故障诊断模型,充分利用了共振解调的降噪特性和遗传算法的全局优良寻优特点,使得训练学习得到的模型参数较传统BP神经网络更优。然后将得到的模型运用到Android手机智能故障诊断系统中,使得诊断结果更加智能、准确。该系统的各种功能在故障诊断实验平台上得到验证,体现出诊断设备具有携带方便、便于工业现场使用和对轴承的多种故障具有较高诊断精度的特点。