对设备进行分析最重要的是对设备故障的分析和对性能退化建模两个部分,本文应用函数型数据分析作为研究方法,对设备进行以上的研究。函数型数据分析是把原始数据视为一个整体,然后从整体的角度对数据进行分析。其具有的外在条件依赖性、可对不同维度数据分析以及可对数据从不同角度进行深层次分析等特点,弥补了传统数据分析中的不足,这体现出其具有很好的研究价值。设备的状态监测首先是对原始信号进行分析,但目前的信号分析只是在原始信号的基础上对其进行分析,原始信号离散等特点给数据分析造成了一定的困难。因此,本文结合函数型数据分析的思想,对设备的状态监测提出一些新的方法,具体如下:(1)提出了一种基于函数型主成分分析及核极限学习机的故障诊断方法。针对目前数据诊断中准确率及鲁棒性较低的问题,利用函数型数据分析具有较高鲁棒性的特点,本文首先用函数型主成分分析提取数据中的主成分,再利用核极限学习机作为分类器,对数据进行分类,判别出故障类别。通过实验表明,该方法优于传统判别方法。(2)提出一种基函数型数据分析的退化建模方法。在对设备性能衰退的分析后,利用函数型数据分析整体化的特点,对所有数据进行函数拟合,并应用函数型主成分分析分别提取其退化特征,利用所提取的特征建立模型,得到函数型退化模型,最后根据实验得出,所建立模型有助于最终准确率的提高。(3)提出一种新的相似性寿命预测方法。针对传统相似性寿命方法中异源信息融合的误差问题,本文先对所有退化指标进行寿命预测,得到各个退化指标的剩余寿命,然后在通过Pearson相关系数对各个指标计算相关性,最后依据相关性对所有退化指标的剩余寿命进行加权融合,最终得出设备的剩余使用寿命。实验表明,所提方法具有较高准确性。