机械设备的故障模式识别包括信号的降噪、特征提取、降维、故障模式的描述和识别等主要内容。机械故障的模式识别往往是对采集到的时间序列进行分析研究,而机械故障信号一般具有非线性和非平稳性,且存在噪声干扰,因此研究适用于机械设备故障模式识别的方法具有重要意义。将相空间重构技术与独立分量分析方法相结合,提出了局部独立投影降噪算法。运用该方法对仿真信号进行降噪实验,效果良好。仿真实验表明,该算法的降噪效果明显优于全局投影降噪算法;一般情况下与局部投影算法降噪效果接近,在某些情况下也优于局部投影算法。并运用该方法对低速重载轴承振动信号进行分析,准确判断出轴承故障。提出将非线性动力学中的关联维、最大李雅普洛夫指数和柯尔莫哥罗夫熵三个参数同时作为特征向量,运用支持向量机作为分类器的故障模式分类方法。运用该方法分别对故障齿轮信号中的断齿、磨损、周节误差和正常四种故障类型进行训练和识别,结果表明该方法具有较高的识别率。