盲系统辨识(Blind system identification,简称BSI)是一种仅从输出信号来恢复未知系统信息的基本信号处理方法,它特别适合未知输入驱动的未知系统.该文将盲系统辨识方法的基本思想引入到旋转机械故障诊断中,提出了基于时序模型盲辨识的旋转机械故障诊断方法,并进行了实验研究.其主要内容包括以下几方面:第一章 论述了大型旋转机械故障诊断的研究意义和主要诊断方法、盲系统辨识的研究现状和主要应用领域,阐述了该课题的提出的意义,介绍了论文研究的主要内容及创新之处.第二章,论述了系统辨识的基本思想,盲系统辨识的基本概念和几种主要算法:最大似然估计法,高阶统计量法,子空间法和最小子空间法,该章是整篇论文的理论基础.第三章,提出了一种基于自相关的AR模型的盲辨识算法,该算法可同时辨识AR模型的阶次及相应的模型参数,而不需事先确定或者设定AR模型的阶次.第四章,研究了门限自回归模型的盲辨识算法,并与常用的H.Tong方法进行比较分析,仿真结果表明,虽然门限自回归模型的递推盲辨识方法的辨识精度略低于H.Tong方法,但可大大提高运行速度,特别是随着阶次的增加,该算法的优势越明显.同时,还将门限自回归模型的盲辨识方法和线性时间序列模型的盲辨识方法进行了对比分析.第五章,研究了基于时序模型盲辨识的参数化双谱分析方法,并进行仿真研究.第六章,提出了一种基于时序模型盲辨识的特征提取与径向基函数网络相结合的旋转机械故障诊断方法,即利用时序模型盲辨识得到的双相干谱为故障特征向量,以径向基函数网络作为分类器,对旋转机械的故障进行分类,并以转子不平衡、转轴碰摩、油膜涡动为例进行实验研究,实验结果表明,该方法是有效的.第七章,结合工厂实际,提出了分布式网络化大型旋转机械的状态监测与故障诊断的总体结构,并用软件加以实现.