往复式压缩机在流程工业中应用广泛,其易损件多、故障频发。一旦出现故障而未被及时发现,轻则给生产企业带来经济效益损失,重则造成人身伤亡。因此,对往复式压缩机建立有效、可靠的在线状态监测系统具有重要的意义。由于往复式压缩机运动部件的周期运转特性以及冲击性激励源的存在,其振动信号十分复杂。生产企业的在线监测系统中现用的单特征门限报警的故障预警方法由于仅考虑单一或数个振动特征的幅值变化,该方法建立振动信号与往复式压缩机运行状态间的映射关系较为简单,难以对往复式压缩机运行状态变化做出准确识别。如何在现有故障预警方法基础上进一步地提升对往复式压缩机故障预警有效性、实时性具有重要意义。本研究基于生成式模型方法分析往复式压缩机的振动信号,基此实现故障预警。具体研究内容如下:（1）往复式压缩机振动信号特征提取方法研究。首先,分析了往复式压缩机振动特性,确定堆栈降噪自编码器的网络结构参数;然后,将往复式压缩机健康状态下的振动信号作为训练样本,完成堆栈降噪自编码器的训练;保留其编码网络结构,将其作为特征提取模型用于提出往复式压缩机振动信号的鲁棒性特征;最后,利用往复式压缩机实际故障案例数据验证了特征提取方法的有效性。（2）往复式压缩机故障预警方法研究。首先,分析了往复式压缩机振动信号的统计特性,确定选用无限贝塔混合模型的生成式模型实现对往复式压缩机振动信号统计特性的准确表征;然后,提出了基于无限贝塔混合模型的故障预警方法,其通过计算往复式压缩机健康状态模型与实时状态模型的距离,并将其与自适应预警阈值作比较,实现对往复式压缩机的故障预警;最后,利用往复式压缩机的三种典型故障案例对该方法的有效性进行了验证。（3）对上述往复式压缩机故障预警方法进行改进。提出一种无限贝塔混合模型与区间统计相结合的故障预警方法。针对无限贝塔混合模型训练过程的计算复杂导致故障预警实时性较差的问题,提出利用区间统计方法对往复式压缩机的实时振动信号高维特征统计特性进行表征,通过将其表征结果与健康状态下往复式压缩机的无限贝塔混合模型计算距离,并与自学习得出的预警阈值作比较实现故障预警。利用往复式压缩机的三种典型故障案例验证验证该方法的有效性。