机械设备自身的复杂结构,故障的发生和发展、设备工况的变化导致其振动信号往往具有非稳态的复杂特性,振动信号的非平稳特征提取与表示关系到故障诊断的可靠性和准确性。时频分析是信号非平稳特性分析的有力工具,但随着设备新旧故障的不断复杂化,使得传统的时频分析理论及方法难以完全适用于某些有用信息的捕捉和深入分析,因而有关的研究和应用也受到了很大的限制。该文在综述了国内外故障诊断研究现状的基础上,分析了机械振动信号的非平稳特征及其深层次信息提取的意义;提出了在常规时频分析结果的基础上进行更深层次的二次处理,以提取表征信号非平稳特性的瞬时物理量的多种新方法,并以故障齿轮和故障轴承的大量振动信号作为分析实例对这些方法进行了一一验证;在理论上初步设计了电子商务环境下的远程测试诊断服务系统方案,并对系统实现中的关键技术和核心模块进行了详细的论述和探讨。本文主要从以下四个方面对非平稳特征的深层次提取技术进行了深入、细致的研究和探讨:1)基于小波变换的非平稳特征提取技术。对小波变换的理论方法、工程理解及小波基、小波变换尺度的选择进行了系统地分析,介绍了基于复解析小波变换的瞬时幅值及瞬时相位的提取技术,在此基础上引入了基于小波脊线的瞬时频率估计方法,提出了小波尺度—能量与小波时间—能量相关谱的特征表示法并用于表示轴承外圈、滚珠和内圈的故障特征。2)基于小波包分解与解调技术的非平稳特征提取技术。利用小波包分解技术对振动信号进行降噪处理,并选择特殊频段进行小波包重构,有效捕捉和分离了处于信号不同频段的故障特征分量。在此基础上,对传统Hilbert瞬时频率估计方法加以改进,并引入Teager能量算子解调方法,给出了适合多分量调幅调频信号的瞬时频率特征或调制特征的提取方法。3)基于联合时频分析的非平稳特征提取技术。阐述了各种线性时频变换和非线性时频变换的时频聚集性和交叉干扰问题,主要对自适应信号分解法和径向高斯核时频分布这两种时频分析方法进行了深入的研究与探讨。在传统自适应信号分解的基础上的提出了三种振动信号处理新技术:基于时频曲面拟合的信号分解法,可有效用于非平稳信号的噪声抑制;对Chirplet基函数加以改进,引入了二次非线性调频参数,提高传统Chirplet自适应信号分解法的时频特征刻画能力;在时频二维平面上采用振动冲击信号模型对时频滤波后的信号分量进行逼近,提纯瞬态冲击分量。在基于径向高斯核时频分布的基础上,引入了时域分段方法提高了其时频分布质量,利用图像处理技术提取出时频图像的脊线特征之后,引入Hough变换自动检测出时频脊线的特征参数,再根据时频脊线与瞬时频率曲线的对应关系来确定多分量时变信号的瞬时频率函数表达式;继而采用基于瞬时频率曲线的时频滤波方法对被分析信号进行滤波后重构,达到了从多分量复杂信号中分离特征分量的目的。4)基于经验模态分解(EMD)的非平稳特征提取技术。在介绍EMD基本理论的基础上,结合实际应用中遇到的问题,系统论述了EMD中存在的端点效应,本征模函数的筛分迭代停止的标准和模态混叠这三大问题,并针对这些问题提出了相应的解决方法。简要概述了EMD端点效应产生的原因和目前提出的一些有效的抑制方法,并对这些方法的优缺点进行了分析比较。重点针对EMD中出现的模态混叠现象,提出了两种解决方案。一种是EMD与小波包分解相结合的方法;第二种是加减掩膜信号法。仿真实验和应用实践证明这两种方法都能较好地消除EMD中的模态混叠现象,可有效提高EMD的分解能力。我们研究振动信号的非平稳特征深层提取技术的最终目的是将它们应用到远程测试诊断服务系统中,解决工程实际中的具体问题,将科学技术转化为生产力。因此,本文在上述理论方法的研究基础上,将电子商务理念与远程测试诊断相结合,提出了电子商务环境下的个性化远程测试诊断服务系统的结构模型,系统研究了远程测试诊断服务系统中的虚拟仪器、数据传输、神经网络学习、智能诊断、系统安全等关键技术,开发了服务系统的各种功能模块并在汽车齿轮箱和轴承等典型性设备的远程故障诊断实验中得到了成功应用。本文的研究工作为非平稳信号特征提取和故障诊断开辟了新的途径,其成果对于我们今后的理论研究和开发实践具有承上启下的作用,对工业生产具有相当的实用价值。