在机械设备故障诊断及状态预测的发展过程中,知识处理技术正扮演着越来越重要的角色。随着监测手段的进步,充分的获取设备的运行状态和故障数据已经变得较为容易,而对海量监测数据进行合理有效的管理与分析,从中发现隐藏的规则及知识的研究仍处于比较落后的阶段。因此,对监测数据实施管理与分析所涉及的数据库构造、故障知识获取与管理等技术逐渐的为人们所关注。本文在总结分析数据库技术和数据挖掘方法应用现状的基础上,针对转子振动特征信号提出数据挖掘方法与数据库技术相结合的数据库系统架构方法,并对其在故障知识发现中的应用与实现途径进行了研究。主要工作内容包括:(1)针对转子故障诊断及知识发现的数据库系统架构进行了需求分析,并据此对系统进行了总体设计;选择合适的数据挖掘技术及系统的开发环境、运行平台,构建了数据库系统;并实现了数据库同LabVIEW程序交互访问及数据存储的设计。(2)在SQL Server 2005提供的集成环境Business Intelligence Development Studio(BIDS)中,对数据挖掘功能模块进行了详细的设计并完成了功能实现。采用分析服务(Analysis Service)提供的数据挖掘决策树算法与数据库系统高效耦合的数据处理模式,建立了一种利用故障数据集自动获取故障知识规则的数据处理流程。(3)对数据库管理子系统进行了设计与功能的实现,以保证数据库系统的安全平稳运行。其中主要包括用户权限管理,系统数据管理,系统的备份与恢复等设计。并采用ADO.NET技术实现数据库的访问,保证频繁访问的高效准确实现。(4)在自行设计的转子实验台上模拟故障实验,分析处理采集得到的振动数据,提取其特征数据,以验证本系统的功能。应用结果表明,本文所设计的库数据系统能够很好的实现数据挖掘及知识保护的功能,达到了设计要求。研究表明,通过实现数据挖掘方法与数据库之间高效耦合的系统架构,能够提高数据挖掘效率及故障预测的准确性,达到了诊断知识的发现和保护的效果,为故障知识的获取提供了一种新途径。