风机是现代工矿企业大量使用的动力设备，在企业生产过程和经济建设过程中起到非常重要作用。这些设备一旦出现故障将给企业带来较大的经济损失。应用故障趋势预测可以在风机出现故障之前提前进行停机检修，防止突发事故，维持正常生产秩序，减少过剩维修，较大幅度降低维修费用，因此具有重要的实际应用价值。 由于一般预测方法存在建模复杂、适用性窄、预测精度较低、泛化性能较差以及对非线性信号预测效果欠佳等缺陷，本文提出了基于小波分析和支持向量机的风机故障早期预测方法。通过前期小波分解，将风机原始振动时间序列依尺度分解到不同层次，对每层信号分别采用支持向量机预测，最后通过小波重构算法得到原始序列的预测值。文中最后对某铝厂排送风机的运行状态进行预测，并于其它预测方法做了对比，结果表明该方法具有更高的预测精度。应用该预测方法可以合理安排风机维修时间，减少维修费用。文中最后重点探讨小波基函数、小波分解层数以及支持向量机各参数对预测结果的影响，具有一定理论指导意义。 由于旋转类机械的相通性，本文所采用的原理和方法，也可应用于压缩机等其它旋转机械的故障预测中。因而本课题不仅可以为分析、预报风机故障提供切实可行的方法，对提高旋转机械设备的监测分析功能和故障诊断的准确率、对诊断理论的丰富和发展，都将有着重要的理论意义和应用价值。