大型机电设备在工业生产中占有非常重要的地位，保障大型机电设备的安全运行具有非常重要的经济意义与社会意义。大型机电设备的非平稳非线性状态的故障诊断与趋势预示技术是保障大型机电设备安全运行的关键技术。 针对机电设备非线性非平稳运行状态诊断以及趋势预测中的需要，结合智能技术的最新进展，运用粗糙集、支持向量机(SupportVectorMachine—SVM)等智能方法，对基于知识的机电系统智能故障诊断和趋势预示技术进行深入研究。主要研究成果如下： 1．针对机电设备故障诊断中存在的知识冗余和不确定性，从原始数据出发，利用决策表约简算法进行属性和属性值的约简，产生了带有置信度和覆盖度的决策集，建立了故障诊断的规则库。给出了基于粗糙集的故障诊断和知识获取模型的一般结构。以旋转机械为对象，通过对典型故障的分析，建立了决策表，通过对决策表的约简，将11个条件属性化简为4或者5个，极大地减少了数据库中数据的数量，解决了故障诊断中知识获取的瓶颈问题。提出了决策表的属性值约简的一种简化算法。结果证明了基于粗糙集理论的旋转机械故障诊断是可行的。 2．在研究了多种趋势预测的方法后，选择使用SVM技术来进行机电设备的非平稳非线性状态的趋势预示。建立了使用支持向量机进行机电系统状态趋势预示的模型。对大型旋转注水机组振动烈度，以FPE(FinalPredictionError—FPE)确定嵌入维数，选用RBF(RadialBasisFunction)核函数和合适的损失函数进行预测，取得较理想的结果。 3．开发了以北京燕山石化炼油厂102烟汽轮机组为对象的在线监测与故障诊断系统。该系统使用DELPHI7开发，综合使用了COM、DCOM等技术，基于局域网实现了远程在线监测、信号分析、趋势预示等功能。