大型机电设备的故障预测研究对于保障设备安全运行和科学维护具有非常重要的意义。本文在分析国内外机电设备故障预测研究现状和发展趋势基础上，以北京燕山石化公司的烟气轮机作为研究对象，针对烟气轮机的运行非线性非平稳特性，深入研究了基于数据驱动的预测方法。主要工作包括以下几个方面：　　1)研究了机械故障预测的原理，揭示了其故障特性；以及研究了烟气轮机故障特征，分析了造成相关类型故障发生的原因。将振动烈度值作为整个机组状态的敏感特征因子。并应用小波分析方法进行原始信号降噪处理。　　2)基于数据驱动的主元分析方法研究：基于数据驱动的方法不需要对系统运行机理及模型进行深入的了解，解决了工业复杂系统难于建立精确模型的问题。基于数据驱动的方法最为典型的分析和处理方法就是主元分析(PCA)方法。应用基于数据驱动的主元分析方法对烟气轮机状态进行检测，并进行了MATLAB仿真研究分析在此基础上进行故障预测的可行性。仿真结果表明：虽然主元分析方法能很直观地显示整体的机组运行状态，能有效地进行故障检测；但是在故障检测中还存在有误报情况，因此影响了后续的故障预测的应用研究。　　3)基于KPCA-AR预测的研究：针对主元分析在故障检测方面的缺陷，提出了基于核主元分析的烟气轮机状态检测方法，并结合AR模型进行故障预测。该方法具有主元分析方法的特点，又具有核函数的非线性能力。通过仿真实验研究，仿真结果表明：基于KPCA-AR方法具有更好的预测效果，并解决了主元分析方法的误报问题。