透平机械是冶金、石油、化工等领域的核心装备,一旦发生计划外停机,会造成企业极大的经济损失。对于大型透平机械机组,现有的维护手段一般是根据概率对设备所处的性能区间进行估计,再根据估计的结果对设备的单独部件进行维护,但是这种方法并没有很周密的考虑到设备部件间存在各种相关关系,可能存在一定的偏差,不能满足智能化维护的需求,故提出一种高效、经济的维护方法是很有必要的。本论文以2019年度四川省重大科技专项——“先进制造智能服务”为依托,以大型透平机械为研究对象,针对大型机械现有的维护手段落后及低效的问题,基于预防性维护理论和可靠性理论,结合部件的成组维护与数字孪生技术,对大型设备的多个部件进行成组预防性维护开展研究,主要包括以下几个部分内容:首先针对透平机械历史数据、故障数据少的问题,结合现在工业界流行的数字孪生技术,对设备的部分组件建立数字孪生模型,并根据采集数据对孪生模型的运行数据进行训练使其接近真实情况,得到设备运行的数字孪生模拟数据用于下文分析,同时根据运行数据对主要部件的退化过程进行分析,得到退化程度量化模型。其次基于数字孪生体的运行数据结合退化过程对部件间的相关性进行研究,得到了一种部件间退化相关性的分析方法,基于此进一步分析了部件的独立可靠度和基于相关性的设备可靠度,再结合部件在维护过程中的经济相关性以及结构相关性,建立部件在维护过程中的成本模型,为后文的预防性维护方法研究提供基础。最后根据上文所建立的退化过程、可靠度、以及维护成本为目标,建立多目标预防性维护问题模型,结合协同算法,改进粒子群算法的搜索更新公式对模型进行求解,得到了单个部件的维护窗口等,并进行对比验证说明有效性,同时基于上述求解得到的窗口,采用一种改进聚类半径的聚类算法,结合实例,对采用成组方法进行预防性维护和传统基于概率的单部件预防性维护通过数字孪生体的模拟运行进行了对比,说明本文所提出的方法在实际情况下的适用性,能一定程度上的节省维护费用,提高维护后可用时间,对于透平机械的维护有一定的指导意义和实用价值,对于其他类似大型机械设备有一定的启发意义。