印刷机是集机、光、电、液、气、控制、化学、网络等技术于一体,并且结构复杂的精密机电产品,在知识传承、产品包装、有价证券、印刷电子等领域具有广泛的应用,对推动社会文明的进步和人类社会信息的交流发挥了重要的作用。本文通过设计特殊的故障图像标识,从图像信息中挖掘印刷机关键机构运行状态的信息,提取图像标识的特征来研究表征关键机构的运行状态进行故障的识别与诊断,开发了故障标识的在线测试装置进行了实验验证;从声音信息和振动信息等多源信息入手,研究了印刷机定位机构、重要的传动件齿轮和轴承机构的故障特征的提取方法,构建了印刷机诊断系统。主要的研究成果有:(1)提出了基于Radon变换与灰度投影积分极值方法的矩形检测方法,解决了印刷套印标识直线检测精度不高以及标识歪斜带来的误差问题。该方法通过提取套印直线标记中直线到矩形边框的距离,计算偏差量的标准差来反演印刷机定位装置或咬纸机构的运行状态,为在机进行印刷机定位部件的故障诊断提供了可靠的信息来源。(2)提出了基于顶帽变换的网点覆盖率计算方法,用于解决利用50%网点图像进行印刷机滚筒部件及墨辊部件状态监测受光照不均以及网点覆盖率提取精度不够等问题。该方法在提取网点面积大小的同时,消除了光照不均对通过印刷图像提取准确的网点面积值得影响,通过实验对该方法与密度计的测量值进行对比,实验结果表明该方法在网点的亮调区和暗调区提取网点面积的精度更高,可以实现在线计算,避免人工计算的误差和劳动强度。此方法为全画面提取印刷网点的面积提供一种新的研究思路。(3)提出了一种基于本征模式分量符号化的轴承故障特征提取方法,解决了印刷机中的关键传动部件轴承、齿轮等关键零件易发生故障且故障难以分离等问题。该方法首先对原始采集到的信号进行拓延,进行模式EMD分析,截取信号的拓延部分;在确保IMF可靠性的前提下对分量进行符号化,进行编码,重构分量以表征其变化趋势,提取信息熵;结合模式识别方法对印刷机的轴承与齿轮故障实现分类,完成未知故障的诊断。该方法在保留自适应分析传统优势的基础上,可以有效减少信息计算量、提高计算的效率、减少冗余信息,为印刷装备这类大型集成印刷装备的特征集计算提供理论基础。(4)提出了基于流形学习的多源特征融合的方法,应对解决复杂工况下印刷机的关键零部件故障诊断仅仅依赖单一信息源进行分析依然受到一定限制等问题。在振动信号的基础上引入声音信号,与振动信号构成多源信息源,利用本征模式符号熵实现多源信息融合,构建了相应的融合特征集,通过引入流形结构进行多源信息的本征模式符号化特征集融合,结合支持向量分类模型量化LE方法的特征提取效果,实现不同状况下的轴承故障分类。实验结果表明,将该方法应用到印刷机轴承和齿轮的故障诊断研究,融合了振动信息和声音信息的多源信息进行故障诊断,明显提高了故障分类和故障识别。(5)构建了基于知识规则和图像信息的印刷机故障诊断分析系统,把握了印刷机产品中蕴含大量机构状态信息以及积累的大量人工知识经验等信息源。研究了基于灰度共生矩阵的印刷画面特征提取方法,基于主元分析的冗余信息去除方法以及基于支持向量机的决策网络的构建方法,开发了基于画面的印刷机故障诊断分析系统,通过实验验证了诊断的可靠性。本研究从图像信息、振动信息和声音信息入手,对印刷机的关键零部件进行了故障特征的提取方法、故障识别的研究,构建了故障诊断分析系统,并通过实验验证诊断的可行性,取得了比较理想的诊断效果。所提出的故障特征提取以及诊断方法为大型复杂集成机电设备的故障诊断提供了理论基础。