K5403离心式压缩机是巴陵石化有限公司生产的关键设备,该设备一旦出现故障,不仅严重影响生产,给企业带来重大的经济损失,还会造成人员伤亡等恶性事故。本文以K5403离心式压缩机为研究对象,开展了状态监测与趋势预测技术研究,以实现机组的预知维护。论文主要研究工作有:1.阐述了状态监测与趋势预测技术研究的目的、意义及发展历程和趋势,结合K5403离心式压缩机的维护现状和用户需求,阐明了将状态监测和趋势预测技术应用于K5403离心式压缩机系统的必要性;2.根据K5403离心式压缩机的结构特点,对机组常见的几种故障形式(如:不平衡、不对中、动静碰摩、转子支承系统联结松动故障、滚动轴承的各种故障及喘振等)的故障机理进行了分析,给出了相应的故障特征,介绍了几种常用的基于振动信号分析处理的故障诊断方法;3.结合企业的实际需求开发了K5403离心式压缩机状态监测与趋势预测系统,简要阐述了系统实现的关键技术,包括面向对象技术、虚拟仪器技术和组态技术,重点研究了基于UML的系统需求分析和面向对象设计;4.基于K5403离心式压缩机运行状态的非线性、非平稳特征和神经网络的优点,提出了趋势预测的多项式神经网络迭代多步预测法。在该方法中,多项式神经网络比BP算法体现出更强的泛化能力、更快的收敛速度和更准确的训练精度,且由于采用了遗传算法,能使训练收敛到全局最优解,而且与一般多步预测法相比,迭代多步预测法在中长期预测中的改进效果更加明显;5.根据系统设计原则,在以上技术的基础上,分别从硬件和软件角度设计实现了K5403离心式压缩机状态监测与趋势预测系统。考虑到数据采集的高效性和传输线路的抗干扰性,选择了PCI-6224数据采集卡和信号调理模块;按照模块化设计思想对将系统功能分为数据采集、状态监测和状态分析及诊断三个模块,详细介绍了各个模块的实现;6.最后对本文进行总结和展望,介绍了本文的研究内容和创新点,并分析了本文研究工作的不足之处,对后续工作的开展提出了展望。