风机普遍应用于石油、化工、电力、冶金等行业,随着设备长时间的运行,发生故障的概率大大上升,便可能使其停产,会造成巨大的经济损失和安全隐患。因此,对风机设备进行状态监测与故障诊断具有极其重要的意义。本文详细介绍了国内外旋转机械状态监测和故障诊断技术的发展现状,发现了目前的研究现状是:在振动信号的监测上国内外都已有较成熟的方法和技术,但是在故障诊断上常用的频域方法由于计算量大,基本上仍然是离线式的。诊断结果的分析需要人工进行,各种应用方法的专业性强,不易完成实时计算和在线分析判断,缺少在线的、智能的方法和技术。随着就地监测设备成本的降低,对风机设备安装传感器进行运行状况监测变成了可能。通过采集风机设备全周期运行的时域特征参数,得到风机在不同运行状态下的特征参数变化,形成风机设备运行特征参数数据库,结合数据挖掘的方法,能够从海量的数据中建立基于时域特征值的故障诊断模型。这样做的优点是由于时域特征值是实时的、在线的,故障诊断模型也将是实时的、在线的,同时故障诊断的准确率也将随着数据库的扩充以及数据挖掘方法的改进而不断提高。本文为解决CAP1400安全壳再循环冷却风机无状态监测的问题,主要进行了以下工作:围绕振动的基本概念、旋转机械典型振动故障研究成果以及振动信号的特征提取和分析方法作了介绍,并且根据国际国内以及行业标准选取了部分时域的典型特征值作了具体的分析,为下一步的故障诊断方法建立了基础;其次,设计开发了风机振动状态监测平台软件部分,并且进行了风机运行状态监测试验,验证和完善了振动状态监测平台的功能,完成了风机特征参数的计算和数据存储,建立了风机振动特征值数据库;最后,依托于振动特征值数据库,对特征值参数进行了数据挖掘,建立了不同振动故障的特征值敏感等级分布表,确定了不同特征参数之间的潜在关系,评估预测了风机运行状态。在此基础上,开发了基于实时特征值数据挖掘的风机振动故障诊断模型;应用该振动故障诊断模型对实际故障进行在线分析和诊断。本论文的诊断方法,在试验台架上获得了有效的应用,表明了基于数据挖掘的诊断方法能够实时有效的完成振动故障的在线分析和不同故障原因的诊断,对实现机械行业广泛应用的风机、水泵等旋转机械的现场实时监测和振动智能远程诊断,具有工程应用价值和推广价值。