相较于故障检修与定期检修的维修方式,采用“预测性检修”可为保障大型水泵机组安全运行与降低故障发生概率提供一种可行方案。对机组开展预测性检修,需要对机组进行状态监测、趋势预测、故障诊断以及综合评价等监测与评价机组运行健康状况的手段,以便及早发现机组故障征兆,避免事故发生。因此,为提高泵站的现代化信息管理水平,结合引江河高港泵站的运行管理需要,针对水泵机组状态监测与分析诊断系统的功能需求,开展水泵机组状态参数分析与诊断方法应用研究,重点对水泵机组多源状态参数间的相关性分析、机组振动信号的趋势预测以及基于专家系统的水泵机组故障诊断方法进行研究。为推动泵站智能化发展进行基础性研究。第一章介绍了泵站的智能化发展趋势、水泵机组趋势预测、故障诊断以及状态检修技术的国内外研究现状。第二章基于引江河高港泵站的运行管理需求,分析了泵站状态监测与分析诊断系统的功能需求,提出了系统的体系架构、硬件结构、软件结构;由此确定了本课题的研究内容。第三章针对水泵机组状态参数之间存在复杂的相互耦合关系,开展水泵机组状态参数的相关性研究。首先采用基于小波阈值算法对机组状态参数进行去噪;然后结合Kendall、Spearman、Mic相关系数,建立平均相关性指标对水泵机组状态参数间的相关性进行分析;最后通过对水泵机组实例数据分析,揭示了水泵机组状态参数间的相关程度。第四章针对水泵机组振动信号非线性非平稳的特点,利用遗传算法（GA）对BP神经网络、支持向量机（SVM）模型的参数进行寻优,并分别建立GA-BP、GA-SVM模型对机组振动信号进行预测。通过对机组振动数据的预测结果分析,相较于BP和SVM模型,改进后的GA-BP和GA-SVM模型的预测精度均有所提高,尤其是GA-SVM模型对振动信号的预测效果更好。第五章针对水泵机组故障特征与故障现象之间的模糊性与不确定性,研究基于专家系统的水泵机组故障诊断方法。首先对水泵机组常见故障进行了分析与总结;然后介绍了专家系统的结构及组成部分,对获取到的领域专家知识选取产生式规则进行表示;最后设计了知识库的结构与诊断推理的流程。为下文故障诊断软件模块开发提供基础理论。第六章介绍了水泵机组状态监测与分析诊断系统的开发环境及相关技术,并叙述了开发的状态监测、历史数据分析、故障诊断软件功能模块,能够实现对机组状态监测、历史数据分析以及基于专家系统的水泵机组故障诊断功能。