往复压缩机因压力适用范围广、压缩效率高和适用性强等特点,在工农业、交通运输、国防,尤其是石油、化工生产行业中广泛应用。滑动轴承是往复压缩机传动机构重要部件,其运行工况具有高速、重载特性。长期服役后,由于制造与装配误差,运行过程中碰撞与摩擦,滑动轴承势必出现磨损以致发生间隙过大故障,进而使整机振动超标停机,中断生产,甚至造成巨大经济损失。因此,本文以往复压缩机滑动轴承间隙状态为对象,针对其振动信号强非平稳、非线性,特征耦合等特点,开展故障振动机理、特征提取方法以及模式识别方法研究,为往复压缩机高效可靠、安全平稳运行提供理论支撑,主要研究内容如下:建立含轴承间隙往复压缩机多体动力学模型,研究轴承间隙激励振动传递机理。阐述往复压缩机轴承间隙故障机理,以间隙运动副模拟轴承间隙状态,建立往复压缩机刚柔耦合多体动力学模型,在利用实测振动数据验证模型有效性的基础上,研究运动副碰撞力与机体振动响应的内在关系,分析轴承间隙变化对往复压缩机动力学性能的影响,探明轴承间隙激励振动传递机理。提出面向往复压缩机振动信号局部强非平稳特性的复合插值包络局部均值分解方法(CIELMD)。针对信号局部强非平稳特性,提出使用三次样条插值建立局部平稳信号包络线,使用单调三次Hermite插值建立强非平稳部分信号包络线。通过定义信号非平稳系数,不同插值曲线端点衔接方法,给出复合包络线构造算法,进而建立一种基于复合插值包络的局部均值分解方法。强非平稳仿真信号研究表明,该方法可显著提高其PF分量分解精度。对往复压缩机轴承间隙故障信号进行分析,改进方法的PF分量包络谱故障特征频率更加显著。提出基于精细复合多尺度模糊熵(RCFME)的往复压缩机轴承间隙故障状态非线性定量分析方法。将精细复合多尺度熵与模糊熵概念相融合,提出稳定性、精度以及抗干扰性更优良的精细复合多尺度模糊熵,应用其量化状态信号非线性特性形成故障特征。白噪声和1/f噪声仿真信号应用分析表明,RCFME熵值一致性好,对数据长度不敏感,未定义熵出现概率小。往复压缩机轴承间隙故障信号研究表明,不同状态特征曲线区分性良好。构建基于文化基因算法(MA)的往复压缩机轴承间隙状态故障特征优选方法。使用CIELMD方法分解不同轴承间隙故障信号,利用相关系数筛选包含主要故障信息的PF分量,通过RCFME方法定量描述PF分量构成状态特征矩阵,进一步使用文化基因算法优选矩阵中平均样本距离最大的元素,降低信息冗余,构成特征向量。针对传统二叉树支持向量机层次结构中,各子分类器使用统一参数训练样本对其性能的约束,提出各子分类器分别使用独立参数训练的改进算法。往复压缩机故障识别结果表明,特征提取方法与模式识别方法均有效提高了故障状态识别准确率。