立式辊磨机是拥有碾碎、干燥、粉磨、筛选和运送等一系列功能的大型机械设备,以其粉磨能力突出、基建面积小、使用寿命长等特点,被广泛用于水泥、化工、电力等行业。对立式辊磨机进行运行状态预测和故障诊断可以减少设备的维修成本和增加设备的使用寿命,也可以实现对故障的准确识别和定位,从而保证了立式辊磨机在生产过程中安全、稳定的工作。本文以立式辊磨机液压系统为研究对象,首先提出一种基于改进的EEMD降噪方法用于对采集到的FBG传感器信号进行预处理,然后建立一种果蝇优化算法优化的回声状态网络预测模型用于对立式辊磨机液压系统上采集到的压力信号进行预测,接着通过结合相对小波包能量的特征提取方法和多分类相关向量机的故障识别方法实现对立式辊磨机液压系统液压缸缸体损伤或漏油、氮气囊压力异常、液压系统与磨辊连接杆断裂以及正常四种状态的正确诊断,最后基于运行状态预测方法和故障诊断方法的研究开发出一套立式辊磨机液压系统运行状态预测和故障诊断系统。本文主要研究工作如下:(1)针对立式辊磨机传感器采集的信号往往含有大量不相关噪声的情况,本文提出一种基于改进的集合经验模态分解信号降噪算法。传统的EEMD算法在对低频分量进行重新组合来实现降噪时会忽略高频部分中的有用成分,本文所提算法将信号通过EEMD分解后得到本征模态分量,先将低频部分利用中值滤波方法平滑,再将高频部分通过阈值降噪,然后重新组合处理过的本征模态分量以达到降噪的同时又确保信号的完整性。通过对立式辊磨机液压系统上采集到的加速度和压力信号运用该方法进行降噪处理,为后面的运行状态预测和故障诊断打好基础。(2)立式辊磨机上采集信号具有非线性、非平稳的特性,为提高在此环境下对立式辊磨机运行状态的准确预测,提出一种基于改进的回声状态网络的运行状态预测算法。由于回声状态网络储备池关键参数的选取严重影响预测模型的精度和性能,故结合果蝇优化算法优秀的全局寻优能力来实现储备池重要参数的动态选取。最后通过Matlab平台对提出的运行状态预测模型进行实验和分析。(3)研究基于相对小波包能量的特征提取方法和基于多分类相关向量机的故障识别方法。首先对立式辊磨机液压系统正常状态、氮气囊压力异常、液压系统与磨辊连接杆断裂以及液压缸缸体损伤或漏油四种工况对应的加速度信号通过小波包变换处理,然后将各频段能量归一化并组合成能反映故障类别的特征向量,最后通过多分类相关向量机模型实现故障类型的判别。实验证明,该方法对立式辊磨机液压系统的几种工作状态具有很高的识别准确率。(4)开发立式辊磨机液压系统运行状态预测和故障诊断系统。该系统能实时获取和显示立式辊磨机液压系统上加速度和压力传感器信号,并能对信号的未来发展趋势进行预测和通过历史数据对立式辊磨机液压系统的故障类型进行判断。