机械故障诊断包括信号测量、特征提取、状态诊断和状态分析四个步骤,其中最关键的问题是故障信号的特征提取。旋转机械在机械设备中数量最多应用最广,是设备状态监测与故障诊断的重点。本文以齿轮箱传动系统为研究对象,研究齿轮和轴承故障信号特征提取的新理论与新方法,主要完成以下研究工作:1.研究了齿轮箱各部件典型故障所产生的振动信号的特征,建立了齿轮与滚动轴承振动信号的数学模型;分析了齿轮箱典型故障所产生的振动对位移、速度、加速度及高阶加速度信号的不同影响;建立了齿轮箱系统的实验装置;研究并改进了时域平均技术,并利用该方法把各个齿轮的振动信号从齿轮箱总的振动信号中提取出来,实现齿轮振动信号的分离。研究了应用包络细化解调技术、倒频谱分析技术等方法提取齿轮与滚动轴承故障特征信息的优缺点。2.讨论了小波基函数选取对信号特征提取的影响,提出一种基于复Morlet小波和连续小波变换的包络检波新算法。新方法用傅立叶变换快捷计算小波变换系数,得到能够反映信号全貌的尺度包络谱,通过该包络谱能够很容易的确定是否存在瞬时冲击及冲击信号所在频带。该分析过程在全频带内自动进行,无须先验知识与人工干预,便于利用计算机进行故障自动识别。3.详细论述了基于小波变换的奇异性检测理论,重点研究了基于B样条二进小波变换及其快速算法—多孔算法,以及基于小波变换模极大值理论的信号奇异性检测方法。根据信号和噪声模极大值的尺度变换特性,提出了利用相邻两级细节信号的乘积作为检测信号求解多尺度模极大值分布图的方法,新方法根据模极大值的位置实现信号奇异点的精确定位,达到增强信号和抑制噪声的目的。并把该方法成功的应用于滚动轴承故障信号奇异性的检测,为设备故障诊断提供了一种新的方法。4.研究了非线性时间-频率分布在故障特征提取中的应用。针对复杂机械故障产生的异常瞬时振动信号探测,提出一种新的无混叠双线性时间-频率分布方法,给出了新的时频变换核函数,新方法能够避免常用的双线性时频分布中的频率混叠与信息丢失,