从现场实际检测的时间序列中提取出系统的特征值,并由这些特征值识别出系统的运行状态或故障类型,是机械故障诊断的主要方法和手段之一。众所周知,非线性现象是复杂机械系统的固有属性,而由传感器检测的振动时间序列信号是对复杂机械振动状态的一种表征,因而也会表现出很强的非线性特性。但目前所使用的特征提取技术主要是以频谱分析为主的线性分析方法,诊断实践证明,其对一些明显具有非线性特性的故障(如轴承-转子系统的支座松动、轴瓦间隙过大及碰摩故障等)的识别往往具有很大的局限性。而混沌时间序列分析为动力学系统的非线性信号分析、检测及诊断提供了一条全新的途径,着眼于从混沌动力学系统的本质去解决问题。如能结合频谱分析方法来进行异常行为的检测、系统状态的识别及故障趋势的预报等无疑能解决传统方法对低频宽带故障信号无能为力的缺陷,进而达到提高确诊率之目的。为此,本文重点研究了如下4部分内容:1、针对复杂机械系统的混沌动力学特征和故障诊断要求,系统地对混沌时间序列信号分析理论与方法进行了创造性地归纳和总结。2、针对目前关联维计算中一致性和实时性差、数据量大以及抗噪能力弱等问题,本文提出了一种改进算法。数字仿真表明以上各项性能指标均有所提高。3、归纳了混沌时间序列预报的基本原理和方法,针对它们的不足,改进性地提出了相轨迹预报法。数字仿真证明,该方法与代表局部预报的最大Lyapunov指数法以及代表全局预报的神经网络法相比,其预报精度、实时性和预报步长均有所提高。4、以轴承-转子系统中三类低频宽带故障(支座松动、轴瓦间隙过大及碰摩故障等)信号为例,结合本文提出的特征提取和故障预报方法,对三种传统方法<WP=5>无法辨识的故障进行了补充性的识别和预测。诊断结论证明了该项研究的有效性和可行性。