在机械设备状态监测中,对设备运行状态的判断通常是以频谱分析结果作为依据的,而频谱图的获取依赖于振动信号的时域数据。传感器作为振动监测信号采集前端,其工作状态正常与否直接影响到时域数据的准确性与可靠性。为此,本文对传感器故障诊断算法进行研究,解决现有方法精度不高、耗费时间长的问题。具体工作包括:首先,针对现有单传感器故障信号特征提取方法未充分考虑故障信号局部特性变化的缺点,将图像处理中的局部三值模式方法引入到一维信号的处理中,结合滑动滤波提出基于多尺度一维局部三值模式的特征提取方法。利用高斯白噪声进行故障仿真实验,通过与基于时域特征、基于小波包变换的故障诊断方法比较发现,本文提出的方法具有更高的故障诊断准确率。其次,针对基于Fast ICA的传感器故障检测算法存在容易陷入局部最优的问题,提出基于改进灰狼算法的ICA多维传感器故障检测方法。本文提出一种非线性收敛因子,同时将混沌映射引入灰狼种群初始化中以改善全局搜索能力得到改进灰狼算法。数值分析实验表明改进灰狼算法相比基本灰狼算法、粒子群算法寻优能力更强。然后,设计一套基于Lora的无线振动采集系统。Lora相比于传统无线传输方式可以更好地兼顾成本、功耗、安全性、传输距离以及组网便利性。该系统由上位机和下位机两部分组成。下位机硬件设计包含加速度计、模数转换模块、电源管理模块、核心处理器、无线传输模块。下位机采集的信号通过Lora模块发送至Lora网关,从Lora网关再传输至上位机用于数据分析。最后,在振动试验台上安装振动采集模块,获取振动状态下的加速度数据。通过调整无线振动采集模块与试验台的螺栓连接松紧程度,采集到螺栓松动下的传感器故障数据。结合传感器不同故障类型的数学模型,进而得到各种类型的传感器故障数据,对前述单传感器和多维传感器故障诊断方法进行应用验证,结果表明,所提方法故障识别准确率优于现有方法。