设备状态报警技术是设备状态监测和故障诊断系统的核心技术之一，在监测诊断技术向企业推广以及推动预知维修体制发展变革的过程中都发挥着极其重要的作用。目前工程实际应用的报警技术主要停留在静态报警基础上，即报警线的设置与设备运行情况变化无关。有鉴于此，本文对机械故障诊断中的设备状态报警技术进行了深入研究，主要工作如下： 1．综述了当前设备状态报警技术的一些主要方法，并指出了它们存在的不足。在此基础上，提出了本文的主要研究内容和研究的意义。 2．针对现有的基于概率神经网络的自适应报警技术中的报警阈值设定原则存在的不足，即平滑因子过小不能作为标准差和假设分布为正态分布，改进了报警阈值的设定原则，使设定的报警线不但能够自适应地进行调整，而且更符合设备运行的真实情况，从而为设备状态的评估提供可靠的依据。 3．窄带报警是工程应用中常用的报警技术之一，其报警参数为某关键频带的幅值或能量，提取方法主要有两种：利用三角函数的正交性和傅立叶频谱分析技术，前者以信号周期性假设为前提，后者以信号平稳性假设为前提，而实际信号却是非周期、非平稳的。针对此不足，本文将小波包分解技术引入到自适应报警技术中来，并进行实验研究，实验结果表明，该方法是可行的和有效的。 4．旋转机械的检测一般采用同一截面相互垂直的两个探头来完成，由于转子的涡动特性，两个方向测得的振动信息无论在能量的量值还是在结构上均存在差异性。因此，基于单通道信息的报警技术，常常在不同的方向给出不同的报警结果，造成报警结果的不确定性。针对此问题，本文将矢量幅值谱简化后引入到设备状态报警技术中，成功地解决了不同通道信号数据得到不同的报警结果问题。 5．反映机械故障的特征参数有很多，不同的参数反映故障的角度和程度不同，同时，参数之间又存在一定的相关性。这样，利用单一参数不能保证报警结果的可靠性，而全部采用又存在信息冗余，给报警技术的应用带来了很大的困难，基于此，本文将主分量分析技术引入到设备状态监测报警技术中，成功解决了不这一矛盾。实验结果验证了该方法的实用性。