振动分析是机械设备状态监测的常用方法,通常情况下,从机械设备采集到的振动信号中包含着一些噪声,这些噪声的存在使得有用信号特征信息微弱,信噪比低,影响对设备的诊断结果。因此,如何提取微弱故障特征信息,提高信噪比成为故障诊断领域的关键课题之一。传统的微弱信号特征提取方法多从降噪入手,而随机共振能够利用噪声来增强微弱信号能量。为解决传统随机共振方法滤波效果的不足,本文基于随机共振基本理论及现有研究方法的基础上,从随机共振系统模型的角度研究了二阶三稳态随机共振方法和二阶耦合随机共振方法。首先,在经典双稳态势阱模型及Woods-Saxon势阱模型的基础上提出二阶三稳态随机共振方法。该方法以输出信噪比作为人群搜索算法的适应度函数,结合二次采样技术实现系统参数的自适应选取,增强微弱信号特征,提高输出信噪比。仿真信号分析和实测信号分析结果都验证了该方法的有效性。和传统的随机共振方法对比,该方法得到的随机共振输出信号周期性更明显,频谱幅值更高,输出信噪比更大,使微弱信号更容易被检测出来。然后,针对二阶三稳态随机共振系统参数优化多的问题,进一步提出二阶耦合随机共振方法。仿真信号和实测轴承信号分析结果都验证了该方法在提高输出信噪比的同时,减少了系统优化参数,提高计算效率。为克服输出信噪比作为随机共振衡量指标的不足,进一步使用输出信号的加权功率谱峭度指标调整系统参数,得到最优的随机共振输出信号,提取微弱故障信息以及判断故障类型。仿真及轴承微弱故障数据分析结果均表明该方法的可靠性。最后,设计开发了轴承故障诊断系统。该系统采用LabVIEW和MATLAB混合编程技术,实现信号的采集、存储、功率谱分析、滤波处理、包络分析、随机共振分析以及轴承故障特征频率计算。通过仿真和实验数据验证了该系统的可靠性,具有一定的工程应用价值。