旋转机械是石油化工等现代企业中关键的生产设备,针对这些设备进行状态监测和故障诊断,能够保障设备的安全可靠运行,并取的巨大的经济和社会效益。旋转机械设备状态监测与故障诊断对开展预测性维修十分重要,能够延长机械设备的使用寿命,减少设备维护费用,并且保证设备的安全运行。本文主要针对旋转机械早期故障预警与故障模式识别方法进行研究。基于旋转机械设备运行可靠度函数和趋势滤波技术,根据滤波后振动特征信号曲线斜率绝对值的变化,构建了基于可靠度函数趋势滤波技术的早期故障预警模型;基于聚类分析方法,构建了 K-means聚类故障模式识别模型,基于监测数据训练得到不同故障的聚类中心,探索了数据驱动的基于聚类中心欧式距离判据的旋转机械故障模式识别方法;针对以可靠性为中心的维修(RCM)和健康度评价展开研究,构建了动态风险评价模型,结合智能预警方法与模式识别方法,设计了旋转机械动态风险评价及维修决策系统。论文主要研究内容如下:(1)旋转机械早期故障预警方法研究。基于旋转机械设备运行可靠度函数提取设备振动特征信号,也就是时域互相关函数、频域凝聚函数和谱距离指标函数提取特征信号,利用l1趋势滤波技术对振动特征信号进行滤波处理,根据滤波后振动特征信号曲线斜率绝对值的变化,构建基于可靠度函数趋势滤波技术的早期故障预警模型;利用NSFI/UCR滚动轴承No.2全生命周期实验训练了该模型,最后利用离心压缩机转子碰摩、不对中和不平衡故障案例数据验证了早期故障预警方法的工程有效性。(2)旋转机械故障模式识别模型构建研究。基于K-means聚类分析,构建了 K-means聚类故障模式识别模型,筛选故障识别灵敏度高的故障特征参数作为模型输入参数,基于离心式压缩机监测数据和轴承实验数据训练得到不同故障的聚类中心,探索数据驱动的基于聚类中心距离判据的旋转机械故障诊断方法,并利用工程案例对该方法进行了验证。(3)动态风险评价及维修决策系统设计研究。基于旋转机械传统RCM风险评价方法与健康度评价方法,构建了动态风险评价模型,根据风险等级高低,采用决策树模型确定具有针对性的维修方式和维修内容。结合早期故障智能预警方法及故障模式识别方法,建立了动态风险及维修决策系统,设计了系统的异构数据采集模块、时序性数据存储模块、时序性数据预处理模块、模型训练及优化模块、知识库模块和维修决策模块,最终完成了整个软件系统的设计开发。