大型旋转机械工况比较恶劣,为了给安全生产提供科学保障、给先进的预知维护提供技术途径,需要研究机组状态在线分析及趋势预示技术.而采用人工智能和计算机等新技术是在线状态分析和在线趋势预示的发展趋势.采用理论与实践相结合的方法,从信息提取和信号处理、状态分析、在线预测、人工智能预测方法、实验设备的研制、实验研究、实践验证几个方面对智能化在线状态分析及趋势预示技术进行了研究.探索了新的途径,得出了新的结论,获得了有价值的成果,解决了重要的生产实际问题.选择了振动烈度值、特征频谱值和特征倒频谱值作为分析机组状态的敏感因子,确定了有关判别标准和准则;提出了一种新的神经网络模型:新息预加权神经网络模型,并以该模型作为趋势预示的建模方法.这种新的神经网络模型是一种开放的、能自学习的动态网络,它强调了预测模型中的新信息,充分反映了机械系统的动态特性.针对神经网络的特殊性,改进了传统的基因遗传算法.采用改进后的基因遗传算法实现了对神经网络模型结构和权值的全局优化.