转子、轴承、齿轮作为旋转机械中的主要部件,其运行状况关系到整个机组的正常运转。传统的信号分析方法往往只针对某个部件运行状况进行分析,忽略了部件间复合故障以及整体系统的分析。基于上述情况,本文对由多部件构成的系统故障信号进行研究,旨在提升故障特征信号的提取及分离能力,研究结论如下:(1)提出PSO优化的共振稀疏分解(RSSD)高品质因子优化方法。先对原始信号进行可调Q因子小波(TQWT)分解,将分解结果与原始信号的互相关度作为目标函数,寻优高品质因子。通过转子轴承仿真信号分析,验证了所提方法对振荡分量与冲击分量的分离能力。(2)研究基于特征故障率的RSSD修正参数优化方法。引入基于Hilbert变换的特征故障率指标,作为RSSD修正参数的选取指标,保证了高低共振分量中能量分配的合理性。将其应用于转子轴承系统轴承微弱故障信号,实现了轴承内外圈故障诊断,与传统共振稀疏分解方法相比,不同分量的分离程度更大。(3)提出了最小熵反褶积(MED)优化低共振分量的信号分析方法。解决了TQWT小波基函数库无法完全拟合具有调幅调频特性的齿轮故障信号问题,与传统的能量子带分析方法相比,该方法增强了RSSD对冲击信号的检测能力。(4)提出将高品质因子优化与低共振分量MED优化相结合的齿轮轴承故障诊断方法。通过实验台与现场数据故障特征信号的分离与提取,表明所提方法具有齿轮轴承复合故障的诊断能力。