烟机机组是炼油化工厂流化催化裂化装置能量回收系统的关键机组,一旦某处发生故障引起停机,将带来巨大损失和严重后果,对其远程在线监测和故障诊断具有重要意义.本文以烟机机组为研究对象,从振动信号降噪、隐含故障特征提取、模式识别方法的优化、设备的寿命可靠性分析和远程在线监测诊断五方面进行了深入研究.论文的主要工作为: 1.分析了振动信号的小波变化模极大值降噪和ICA降噪方法.小波降噪对一般含噪信号的降噪效果较好;但对于强噪声下信号的降噪,联合ICA和小波降噪,效果更好. 2.提出将相空间迭代奇异值分解技术和关联维数理论相结合的故障特征提取方法.该方法首先对信号进行相空间迭代奇异值分解,再通过对不同故障状态下的设备计算关联维数,实现了对设备隐含故障特征的有效提取. 3.提出粒子群优化BP神经网络诊断烟机机组齿轮箱故障的方法.与BP神经网络的诊断结果相比,该方法有效地克服了后者容易陷入局部极小值的缺点,缩短了网络的训练时间,满足了烟机机组监测和诊断实时性的要求. 4.分析了设备寿命分布的规律,比较了正态分布、威布尔分布和指数分布的特点.建立了发动机叶片寿命可靠性分析的威布尔分布模型,该模型能全面地描述设备整个寿命期间的运行规律. 5.提出联合最小二乘和平均秩次的新的参数估计法.与近似中位秩公式计算法相比,该方法得到了较精确的参数估计值,提高了设备可靠性分析的精度. 6.建立了基于C/S和B/S混合模式的远程故障诊断系统,综合二者的优点,实现了烟机机组的远程在线监测和故障诊断.