立式辊磨机作为一种新型、高效、节能的粉磨设备,是水泥生产中的关键设备,其长期、可靠运行对企业的效益至关重要。本文研究立式辊磨机销轴部件的运行状态预测,其研究成果可为立式辊磨机预测性运维奠定基础,对于提高立式辊磨机等这类复杂装备的运行可靠性、安全性、可维护性具有重要理论和实践意义。本文针对立磨销轴的运行状态预测问题,基于预测误差极小化提出了两种改进的单项预测方法:改进的灰色预测方法和优化的核极限学习机方法。在此基础上,为了综合两种单项预测方法的优点,获得更好的预测结果,使用改进的灰色预测方法对原始数据序列进行初步预测,利用优化的核极限学习机对初步预测的残差序列进行拟合,以修正改进的灰色预测方法的预测结果,获得组合预测算法,从而实现了对立式辊磨机的运行状态的预测。主要研究内容如下:(1)研究基于改进的灰色预测方法的立磨运行状态方法。针对灰色GM(1,1)预测模型的模型初始值的拟合误差问题,使用一个修正系数,以降低模型初始值的拟合误差。另外,为了提高方法的拟合精度,使用量子遗传算法对方法的模型参数进行全局优化。基于此建立改进的灰色预测模型,并将其应用于立磨销轴的应力状态预测,实验证明改进的灰色预测模型能够在一定程度上提高算法的拟合精度,获得较好的预测效果。(2)研究基于优化的核极限学习机的立磨运行状态方法。针对核极限学习机的模型参数,使用人工蜂群算法对核极限学习机的模型参数进行优化,以提高方法的预测精度。另外,由于核极限学习机中高维核矩阵的影响,而导致输出矩阵计算复杂、训练时间长的问题,提出使用Improved-Nystrom核矩阵分解的方法进行优化,降低模型训练的时间复杂度。通过优化的核极限学习机对立磨销轴的应力状态预测实验分析可知,其能够在提升算法拟合精度的同时降低算法的时间复杂度。(3)采用残差补偿的组合预测方法完成立磨运行状态的预测。针对以上提出的两种改进的单项预测模型,使用改进的灰色预测方法进行初步预测,获得数据序列的主成分信息,通过优化的核极限学习机对改进的灰色预测方法的残差序列进行拟合,以反映数据序列的波动特性,将残差预测结果补偿到改进的灰色预测模型预测产生的初步预测结果中,获得最终的预测结果。通过与其他预测方法进行对比分析,可知基于组合预测方法的立磨销轴应力运行状态预测具有更高的预测精度和拟合效果,适合于立磨运行状态的实际预测。基于以上研究,设计并开发立磨运行状态预测系统。