旋转机械在设备中占有较大比重，许多大型旋转机组如汽轮机组、发电机组、离心压缩机等都是生产中的重要设备，它们的运行状况直接关系到企业的安全生产，一旦出现故障，将给企业和社会带来巨大损失。因此，及时发现设备故障，将其消灭在萌芽之中，并对故障的趋势进行预测，实现预知维护，显得尤为重要，而真正做到这点就要依靠机电系统故障诊断及预测技术。 针对机电系统非线性非平稳运行状态的故障诊断以及趋势预测中的需要，结合智能技术的最新发展和机电设备运行的非线性非平稳状态故障诊断以及趋势预测中的需要，重点研究运用模糊诊断、遗传神经网络等智能方法，对机电系统进行故障诊断和趋势预测，较为全面和系统地介绍了智能诊断与趋势预示的关键技术。论文的主要内容如下： 1．论文从故障诊断的基本原理与方法入手，研究了大型旋转机组的振动特点，特征因子的选择与提取，及振动烈度的计算。为了提高信噪比，对振动烈度信号进行了预处理，以及幅域分析、时域分析、频域分析和瞬态信号的处理与分析，来揭示机组的运行状态，并对谱分析中的泄漏现象进行了研究。 2．由于机械系统的复杂性，机械故障与故障征兆之间的关系很难用精确数学模型表示出来，故提出了机械故障的模糊诊断方法。论文研究了模糊集合的基本原理、模糊诊断的隶属函数及矩阵的建立、模糊诊断的综合评判。构建了模糊诊断的步骤：通过经验数据、统计数据、实验数据，建立模糊诊断矩阵R；对现场测取的机械系统运行信息量，经信号处理、分析，得到故障征兆向量X：通过求解模糊关系矩阵方程Y=X。R，经模糊综合评判，从而得出诊断结果。 3．为了适应非平稳预测的要求，利用神经网络独特的联想、推测、自适应、自学习和处理复杂非线性多模式等优点，结合遗传算法鲁棒性强，能够收敛到全局最优解等特点，提出了遗传神经网络趋势预测模型。论文详细阐述了BP神经网络预测模型的基本原理，推导了多步神经网络预测方法的误差及算、边界条件，提供了BP神经网络预测模型的建立步骤，研究了遗传算法的基本原理及其运行参数：编码长度、群体大小、交叉概率、变异概率、迭代代数。最后，结合BP神经网络与遗传算法的各自优点，设计了一种适合于机械故障预测的遗传BP神经网络，在其适用度函数中加入时间因素，建立了遗传BP算法的程序流程图及算法的具体步骤，将其应用到非平稳状态的趋势预测中，取得较好的效果。 4．以燕山石化炼油厂102烟气机组为诊断对象，在深圳创为实公司的S8000在线监测系统的基础上，研制了烟气机组故障诊断及预测系统。系统有独立的信号采集系统，并自制了信号调理模块；系统软件以WINDOWS为运行平台，采用虚拟仪器的主流开发工具LabVIEW、MATIAB等设计系统软件，用Delphi开发数据库。系统的功能包括：数据采集、数据管理、信号分析、故障诊断、趋势预测、打印等。