机械设备作为工业领域中的核心装备,应用范围越来越广泛。机械设备的实时监测和故障诊断对于保障生产安全、避免人员伤亡事故发生、提高经济效益等都具有重大的意义。而在实现机械故障诊断的过程中,最为关键的技术即为设备故障微弱特征信号的检测和提取。本文研究了基于随机共振(Stochastic Resonance,SR)理论的微弱信号检测方法并分析了其在工程故障诊断领域中的实际应用价值。针对随机共振系统理论方法的局限性,提出了级联多稳随机共振方法,研究了其应用特点与优势,重点探讨了强噪声背景下经验模式分解、增强级联多稳随机共振理论方法以及低信噪比信号的多尺度级联随机共振检测方法等。本文基于朗之万方程,多稳随机共振模型,并通过福克-普朗克方程对其进行了求解。利用二次采样方法实现了多稳随机共振系统对任意频率的微弱信号的检测,并提出了一种级联多稳随机共振方法,实现了微弱特征信号的提取。仿真和实例分析均表明:级联多稳随机共振方法有较高的应用价值,可以高效地提取机械设备早期故障信号。提出了基于增强级联多稳随机共振的故障特征信号提取方法,研究了在级联多稳随机共振系统中加入第二个驱动信号后的随机共振效果变化。分析了第二驱动信号增强随机共振效应的基本条件,并通过实例表明,该方法可有效提取微弱故障信号,在信号检测领域具有很好的应用前景。针对早期故障微弱信号埋没在强噪声背景下而无法得到准确提取的情况,研究了一种基于级联多稳随机共振的经验模式分解(Empirical Mode Decomposition,EMD)算法。此方法可以将高频噪声去除,减少经验模式分解的层数,并使其的物理意义更加地明确。最后通过仿真和轴承故障的实例分析表明,该方法减少了基本模式分量(Intrinsic Mode Function,IMF)的数量,提高了运算效率,可以有效地检测出故障特征频率。针对低信噪比(Signal-to-Noise Ratio,SNR)机械故障特征无法有效提取等问题进行了探讨,提出了多尺度级联多稳随机共振变换的信号提取算法。这种算法利用小波变换对有噪信号进行了多尺度分解,对近似信号和各个细节噪声进行重新构造并作为级联随机共振系统的输入,最后将各个级联多稳系统输出的信号加和求平均值,所得结果即为系统输出。将该方法应用于机械故障诊断实例中,结果表明此方法能够有效地检测微弱信号并提高了输出信噪比,与其他方法相比具有明显的优越性。