回转窑广泛应用于建材、冶金等行业,其中在水泥工业中应用最多。回转窑是水泥厂的核心设备,它主要由筒体、支承部件和传动部件组成。窑长期在高温、重载的恶劣环境下运转,经常发生筒体热弯曲变形和窑中心线偏移等故障。若不能及时发现这些窑的早期故障,将导致故障程度加深而发生窑停产事故,给企业带来巨大经济损失。目前,国内水泥厂缺乏对回转窑早期故障诊断的技术,还停留在故障严重时的事后检测阶段,不仅影响窑的正常生产,也不利于窑设备的维护。为此,本文以托轮为研究对象,对如何实时监测回转窑故障状态进行了理论研究,并在此基础上设计了一套在线监测系统,主要研究内容有:(1)通过对托轮进行受力分析,探讨了筒体弯曲变形和中心线偏移对托轮轴挠度变化的影响。指出托轮轴的挠度变化信号中包含了KS(Kiln Shell)谐波和KR(Kiln Roller)谐波,这两个波形的幅值可以反映前述的两种故障情况,通过对现场采集的托轮轴挠度变化信号进行FFT分析,发现其中确实存在这两个波形,验证了该理论分析的正确性以及通过监测托轮来反映回转窑运行状态的可行性。(2)为了准确提出回转窑的故障信息,通过仿真信号对比分析了三种方法的分解效果,发现CEEMD方法分解效果最佳。使用该方法对某回转窑现场测量数据进行故障特征提取,有效地分离出了KS谐波和KR谐波,将分解结果与其它两种测量方法所得的结果进行对比,验证了该方法的正确性。为进一步实现对故障模式的智能识别,将信号分析处理所得到的特征参数,作为特征输入向量,建立了BP神经网络模型。针对BP算法的不足,使用遗传算法对网络进行了优化,通过对比验证,说明GA-BP神经网络具有更好的收敛速度和识别效果。为在线故障诊断提供了理论依据。(3)基于LabVIEW平台开发了一套监测系统软件。简要介绍了软件的总体框架及设计模式,详细说明各功能模块的功能。在实验室条件下进行了模拟在线实时监测回转窑的运行状态的实验,验证了该软件的正确性与可靠性。该监测系统为回转窑运行状态监测提供一种基础技术方案,具有理论研究及实际工程意义。