在制造行业中，长期以来，人们为了能及时了解设备运行状态和油液质量，一直关注对设备状态的监控问题，也做出了很多研究和探索，如振动监测技术、噪声监测技术、温度监测技术、油液分析技术、声发射技术和无损监测技术等。其中油液分析技术较好地适用于液体或半液体状态下运行的设备状态监测分析，是一项很重要的分析技术。 本文以珠江钢铁公司和广州机械科学研究院合作的项目为背景，研究了油液监测技术中发射光谱数据的分析问题，并将研究成果运用到设备剧烈磨损判别和磨损部位识别的应用中。论文介绍了油样分析技术的发展现状和基本的分析技术，剖析了问题的难点，针对这类问题，整合了多项相关理论方法，提出了一套较完整的解决方案，较好地解决了这一类实际应用问题。 论文以珠江钢铁公司连铸连轧生产线上1#液压LP系统为一研究对象，对原始放射光谱数据进行适当的预处理，运用适合于少样本多相关变量回归分析的偏最小二乘算法，判断设备是否存在剧烈磨损。基于设备磨损的基本原理，为偏最小二乘算法理论分析结果提供了合理的解释。一旦发现设备有剧烈磨损，能够运用模糊聚类分析算法，分析了不同水平下的各元素亲近关系，从而确定设备磨损部位的变量组，构造待识别模式。在此过程中介绍了利用模糊聚类的有关算法原理和计算步骤，并给出了模糊聚类分析图，以及变量组和变量组集的概念。根据上述磨损变量组，运用灰色关联理论判断可能的设备磨损部位。简言之，本文针对实际应用问题，整合上述不同分析方法，提供了此类问题的一套比较完备的解决方案，分析结果说明了这种思路的严谨性和方法的正确性，且具有一定的可用性。 论文最后给出了系统的分析和实现研究方法及其设计结果，通过部分功能实例，简述了系统运行情况，并对全文做出总结和进一步发展展望。