立式辊磨机作为水泥生产线中的核心关键装备,体量大、结构复杂、工作参数和约束项极多,属于典型的行业复杂重大装备。针对该类复杂装备进行运行状态分析及预测研究,对于提高我国复杂重大装备的可靠性、安全性和可维护性具有重要意义。目前大多数研究工作侧重于立式辊磨机单独某个部件(如壳体、摇臂、磨盘等)的运行状态分析和预测,而现有关于整机运行状态分析及预测的研究工作较少,不能揭示整机运行状态的耦合关联关系和演化规律。针对上述问题,本文首先从单部件分析开始,引入复杂网络理论,对采集的数据进行空间置换,将时间序列映射到复杂网络,构建基于单部件的复杂网络模型,对复杂网络进行动力学行为特性分析,实现对单部件的运行状态分析和预测。在此基础上,构建装备系统级运行状态多参数复杂网络模型,实现了对立式辊磨机运行状态的系统级分析,为保障设备的可靠性运行提供了系统级的支持。主要研究内容如下:(1)单部件运行状态分析。以立式辊磨机摇臂上的光纤光栅接近位移传感数据为研究对象,对时间序列进行粗粒化处理,以SAX方法实现对数据的降维和符号化,将多个相邻符号作为复杂网络中的节点,节点之间的顺序连接构成网络中的有向加权边,形成加权有向网络模型。通过获取复杂网络的平均度、平均路径长和平均聚类系数,将其作为分类的特征值,实现对单部件运行状态的识别。(2)单部件运行状态趋势预测。以立式辊磨机摇臂上的光纤光栅接近位移传感数据为研究对象,为消除序列之间的长程时间关联性,采用局部可视图将单部件时间序列映射到复杂网络,构成无权无向网络。通过基于叠加的随机游走来判断将要预测的点和网络中节点的连接情况,确定与预测点连接的节点,然后再将复杂网络映射回时间序列,得到预测值。通过与时序预测模型ARIMA的实验结果对比,验证基于复杂网络的预测算法有效性。(3)系统级运行状态分析。以立式辊磨机磨盘磨辊子系统为研究对象,对该子系统中的销轴作用力传感器、摇臂接近位移传感器和托辊支撑液压缸压力传感器数据构建多参数复杂网络模型。为采用非线性分析方法,首先对数据进行非线性验证。然后采用非线性分析方法中的递归图算法获取多维时间序列的递归矩阵,通过递归矩阵转换获取复杂网络的邻接矩阵,通过对邻接矩阵的谱密度分析,得知不同运行状态下构建的复杂网络邻接矩阵的谱密度不同,通过谱密度实现对不同运行状态的区分,从而实现对运行状态的识别。(4)设计并实现立式辊磨机运行状态监测管理系统,并加载改进后的运行状态分析和预测算法,验证本文中提出算法的实用性。