大型旋转机械设备在工业生产中应用广泛，且往往属于核心设备，其造价高、体积大，发生故障时往往造成非常严重的经济损失。大型旋转机械的在线故障诊断与趋势预示技术，能够使大型旋转机械设备更加稳定安全的运行，具有很高的实用价值和广泛的应用前景。 论文主要从基于智能和知识的角度对大型旋转机械的故障诊断和趋势预示技术进行研究。试图构建基于知识的(即专家经验的)故障诊断及趋势预示系统。 论文研究了利用小波分析进行故障特征信息提取的方法，针对大型旋转机械信号非平稳的特性，利用小波分析技术对振动信号进行消噪并对各频段以能量归一化值为特征量进行提取。小波分析所具有的分频段分解的特性，使专家知识更易于表达到知识库。 论文研究了人工神经网络与专家系统这两种人工智能方法。针对神经网络学习能力强、推理能力较弱(与专家相比较)，而专家系统的推理能力较强、自学习能力差的特点。对这两种方法进行结合，构建了基于神经网络和专家系统的故障诊断系统。其中神经网络部分以三层感知器为基础采用了复合神经网络的方式进行构建；专家系统部分利用面向对象的知识表达方法和基于概率论的推理方法搭建。在系统中神经网络推理得到的成功经验也作为专家知识存储在知识库中，弥补了专家系统自学习能力差的弱点。 论文构建了基于神经网络、混沌分析、灰色系统及时间序列方法的故障预知维护系统的结构。并以神经网络预测方法为例，阐述了系统的工作流程。