作为石化行业的关键设备之一，大型烟气轮机一旦发生故障，将给企业造成巨大的经济损失。传统的烟气轮机在维护过程中主要是采用定期检修或者事后维修的方式，这种维护方式不仅浪费人力、物力，而且反复的拆卸还会破坏烟机本身的机械性能。因此，大型烟气机组状态监测及趋势预测技术的研究势在必行。　　针对烟气轮机结构复杂、故障率高的特点，对烟气机组的在线运行状态进行监测与预测。本文的主要内容如下：　　1.结合国内外趋势预测技术的研究，分析并总结烟气轮机趋势预测技术的发展现状以及目前技术中存在的问题。　　2.针对烟气轮机的工况复杂、故障率高和故障难辨别等因素，充分研究了烟气轮机的结构特点和典型的故障类型。借助于INV1612型多功能柔性转子实验系统，对烟机的典型故障进行模拟，通过对比分析，取得了典型的故障特征曲线。　　3.分析成熟的预测方法，如AR预测模型、灰色系统预测模型及神经网络预测模型等，并在此基础上研究了对传统预测方法的改进技术。结合本实验室的课题研究成果，进一步分析了改进的干涉因子灰色预测模型和新息加权神经网络趋势预测模型，利用提取的现场烟机数据验证了改进的趋势预测方法的优越性。　　4.总结烟气轮机结构原理、典型故障及预测方法，搭建基于Web模式的S8000远程数据监测平台，结合matlab仿真软件和SQL Server数据库系统，开发了一套基于VC++6.0的软件平台。该平台综合了多种预测方法，可以实现对不同数据的预测和对同种数据利用不同方法进行预测对比。　　5.利用提取的烟机数据，在本软件平台上进行预测，取得了良好的效果。