大型旋转机组工况较恶劣,为安全生产提供科学保证、为先进的预知维护提供技术途径,需要研究机组状态的在线监测及预测技术.采用科学分析与实验验证相结合的方法,从信息提取和信号处理、故障分析、在线预测、人工智能预测方法、实验研究、实践验证以及系统研制几个方面对智能化自动在线监测及预测技术进行了系统的研究.选择了振动速度级值为敏感因子,确定了有关判别标准和准则;讨论并改进了经典谱和现代谱信号处理的方法,研究了小波分析在机组振动信号分析中的应用.推出一种将当前的机械动态特性和客观依据及历史档案在线比较,实现决策自动化的方式.趋势预测是实现机组预知维护的关键技术.在实验研究的基础上,提出了干涉因子灰色改进模型、中心差分灰色模型以及分趋势项新型组合预测模型.构造了神经网络预测模型,提供了预测步骤和三种预测方法;针对预测神经网络对新信息强调不足的问题,提出了一种新型的神经网络新息加权预测模型;探讨了遗传算法预测的方案、适合度的选择和预测的步骤.研制了新型旋转机械在线状态监测及预测实验系统,利用该实验系统,研究了新构造的在线预测模型;提出了对机械系统零部件故障进行趋势预测的振动频率分量敏感因子在线预测方法.在大型机组上施行的实践验证结果表明:所研究的技术是有效的,分析方法是适用的.