离心鼓风机作为典型的旋转气体输送设备,在能源、环境、制造等领域发挥着不可或缺的重要作用。随着设备不断向高速化、自动化和大型化方向发展,设备各个部件以及不同设备间的关联越来越密切。大量案例表明,离心鼓风机一旦发生故障,故障极易迅速扩大,导致设备停机,甚至造成生产线紊乱和威胁生命安全。为保障设备平稳安全运行,网络化的监测系统得到了广泛应用。对监测系统采集的设备运行数据进行分析,挖掘其中隐含的设备健康信息以实现故障预警和诊断,是降低故障发生频率,减少故障损失的有效方法和必然途径,也是促进行业智能化转型的重要措施。本论文在重庆市技术创新与应用示范专项资助项目“基于大数据智能化的高端透平装备远程运维服务平台开发与应用示范”（cstc2018jszx-cyzd X0146）等资助下,对离心鼓风机的故障预警和诊断方法进行研究,在故障初期及时预警,以及在故障发生后,准确定位故障类型和故障部位,快速排出故障,从而保障设备安全平稳运行,降低使用成本,同时为其他设备运维研究提供参考,具有重要的学术意义和实用价值。首先,分析了离心鼓风机组成和常见故障,总结常见的故障事件,通过自顶向下,逐层演绎推理建立较为完善的故障树。其次,针对工厂采集的设备运行数据难以支撑高精度预警模型构建的问题,基于自编码网络提出一种迁移学习方法,以实验室采集的设备运行数据为源域,实际使用中设备的监测数据为目标域,通过最小化源域和目标域编码器提取特征的最大均值差异和微调,构建用于实际使用中离心鼓风机的故障预警模型,提高精度。然后,针对离心鼓风机使用过程故障样本少导致故障诊断精度低的问题,提出一种基于堆叠自编码的迁移学习方法,将基于丰富样本建立的自编码故障诊断模型,重新训练分类器后,复用于实际使用中,鼓风机故障诊断中,提高诊断准确率。最后,进行系统开发,将提出的离心鼓风机故障树、故障预警和故障智能诊断的方法嵌入透平装备远程运维系统中。简述了系统大致框架、工作流程、功能模块和主要界面,实现故障预警和诊断方法的实际应用。