特征参数提取磨粉机磨辊属于典型的旋转类零件，对平衡性能要求较高。由于材质、制造、磨损、变形、腐蚀等因素磨辊动不平衡故障难以避免，有效进行识别预报是设备管理和维修的关键。磨辊的振动信号是识别磨辊动平衡故障最直接、最可靠的信息。然而，磨辊的振动信号十分复杂，除了自身的振动外，还有轴承、齿轮、联轴器、电机的激振。各种振动激励与传输之间互相影响，作用重叠，给用频谱分析的方法识别故障带来了困难［4］。针于这种征兆、病症的因素之间没有确定的映射关系和明确的作用机理的特点，运用灰色系统理论是解决问题的有效途径。将磨辊运行视为一个灰色系统，通过对其振动的监测与分析，利用已知的故障模式去判别未知的状态模式，将灰色系统白化。同神经网络方法相比，它需要的样本少，不要求数据有特殊的分布形式。具有操作简便、效率高、再学习容易等特点。
磨辊振动信号中特征参数较多，选择最佳的测取参数，是有效诊断磨辊动平衡故障的前提。为了充分反映振动信号的信息，提高判断的准确性、可靠性，本文采用多参数法，选取以下参数作为磨辊动不平衡故障特征参数。
实例分析以某磨粉机快辊为研究对象。磨辊在线动平衡诊断过程框图如1。选取标准动不平衡故障样本。经计算标准故障样本的特征参数为C＝3.64，I＝5.27，L＝6.46，FC＝375.4，MSF＝51.7，Kv＝4.39（以X0（k）表示，k＝1，2，。。。，6）。进行诊断试验，现场采集4个测试样本，特征参数如表2（分别以Xi（k）表示，i＝1，2，。。。，4；k＝1，2，。。。，6）。采用初值化作无量纲化处理，结果如表2。取＝0.5，计算关联系数，结果如表3。
结论灰色关联分析是根据因素之间的相似程度来衡量因素间关联程度的方法，它是靠空间曲线的相似度来对模式进行分类。基于灰色关联分析的故障模磨辊动平衡故障诊断过程框图磨辊传感器恒流源数据采集卡微机接口箱放大滤波故障诊断信号处理制粉设备面粉通讯识别和诊断，是通过建立典型故障库，比较待测状态模式与故障库模式的联系，判断有无故障或对故障进行分类判别。它建模简单，操作方便，计算量小，适宜现场诊断。在应用关联度计算进行故障诊断时，要合理地选择故障诊断的特征参数，并对特征参数进行无量纲化处理，以提高故障诊断的精确性。本文提出了磨粉机磨辊动不平衡灰色关联分析故障模型，针对基本灰色关联度模型的弱点，采用加权灰色关联度方法对模型进行改进，反映各特征参数对故障诊断的影响程度，提高诊断的准确性。诊断试验证明该方法是十分有效的可靠，将是一种很有潜力的故障诊断方法。