随着自动化水平的不断提高，人们对于设备维修的认识水平也在提高。大型旋转设备是现代大规模生产装置的关键设备，要求长周期连续运行，在这种情况下，如果只对机器采用事后维修则会造成重大损失。现在企业大都采用定期维修，为了安全生产只能缩短维修周期，从而形成过度维修，就显得既不经济又不合理。大型旋转机械的振动监测与预测维修技术是近十年来发展起来的一门综合性新技术。济南大学计算机应用研究所与山东鲁能控制工程有限公司联合研发了汽轮机轴系预测维修系统，为故障的预测与诊断提供可视化的界面，该系统运用多种相关技术，对设备运行状态进行监测分析，了解和掌握设备在使用过程中的工作状态，判断其是否正常，以及对设备的故障进行诊断和预报，避免发生灾难性事故，并对机组维修提供参考意见，达到提高机组运行效率、降低维修费用、延长设备寿命、保证设备安全运行的目的。 汽轮机轴系预测维修系统采用的频域分析技术是基于快速傅立叶变换(FFT）的。机械信号包括平稳信号和非平稳信号。FFT是一种经典的信号处理方法，这种方法要求信号是平稳的，信号的频谱不随时间变化。而非平稳信号的统计特征随时间变化，因此它的频谱也随时间变化。在实际工程中，存在着许多平稳信号，同时也存在着各种非平稳信号。特别是当旋转机械设备出现故障时，振动信号中就会包含大量的非平稳成分，仅仅使用傅立叶变换就很难提取出信号的故障特征。小波变换正是一种满足这种要求的数学方法。它是近年来发展起来的一种用于处理非平稳信号的分析方法，不仅具有良好的时频局部性，而且还具有变焦距的特点，它可以揭示其他信号分析方法丢失的数据信息，如断点、高阶导数不连续性、趋势和自相似性等，能够准确地识别出故障信号中奇异点。而且与传统的信号分析技术相比，小波分析还能在没有明显损失的情况下，对信号进行去噪和压缩，这也是经典傅立叶分析所不具备的。 本文从汽轮机轴系预测维修系统的相关内容入手，以汽轮机轴系振动监测和预测维修为研究对象。通过分析小波变换和傅立叶变换的基本原理，将两者的特点进行比较。分析了小波变换在故障分析中的优势和傅立叶变换存在的不足。重点介绍如何将小波变换应用到该系统当中去及其产生的效果和作用。将小波变换应用到汽轮机轴系预测维修系统中，为故障分析增加了新的信号处理的手段。为汽轮机轴系运行状态打开一扇新的分析窗口，从而使系统更加完善。 汽轮机轴系预测维修系统运行期间获取并存储了大量的数据，为机组运行建立了完整的数据档案，为此要占据大量存储空间。而这些数据又要在各种分析中应用，必须长期保存。为了减少数据的存储空间和传输的通信流量，在保证数据主要特征基本不变的前提下对其进行压缩，是一项很有意义的研究工作。用小波变换进行数据压缩是一种变换域编码的数据压缩，它能使信号的能量在变换域中更加集中。消除原数据中的相关性，获得较好的压缩效果而不影响数据质量。本文在最后还探讨了如何应用小波变换对数据进行压缩，并已达到减少存储空间的目的。