机械振动信号是在多个振动源共同作用下的机体振动的测量,从中获得干净的振动源响应有利于故障演化过程的准确跟踪。旋转机械的工作特点决定了目标振动源的响应会以片段的形式重复地、相似地出现。对片段进行信号分解,利用同源相似性质确定各片段间共有的子分量,重构得到干净的振动源响应。本文研究了不同的信号分解方法及其组合对振动源响应的净化性能,并利用净化后的振动源响应研究了基于特征融合和相空间曲变的机械故障演化跟踪方法。主要研究内容包括:1.研究了多种信号分解方法的净化性能。将组成混合信号的多种不同的成分分解到不同的子分量上,是研究振动源响应净化的基础。利用多种信号分解方法（小波分解、EEMD、LMD、SSA、RSSD和MP）净化16组含不同噪声成分的混合信号,从子分量中各成分的能量占比、相关系数和信噪比等多个方面研究了各信号分解方法的净化性能。2.研究了基于多层分解的旋转机械振动源响应净化方法。根据旋转机械同一故障源产生的振动响应具有分布规律性和模式相似性,研究了旋转机械振动源响应的净化原理,提出了一种改进的共有成分选择方法,并利用实测信号进行了验证。同时,在单层信号分解方法无法完整准确分离冲击响应和噪声的基础上,研究了不同信号分解方法组合的多层分解方法（双层、三层和四层）对复杂混合信号的净化性能,并提出了一种具有广泛适用性的SSA+MP+RSSD的三层分解方法。利用仿真信号和实测信号对SSA+MP+RSSD进行验证,实验结果均表明该方法的有效性。3.研究了基于特征融合的故障演化跟踪方法。在振动源响应净化的基础上,提取各故障源信号的时域特征10个、频域特征6个、时频域特征16个和熵特征4个共计36个特征指标,利用斯皮尔曼相关系数和相关性聚类算法筛选出单调且不冗余的最佳特征指标,并利用SOM算法进行融合,获得代表故障源在不同时刻演化状态的量化指标S。利用实测信号进行验证,结果表明多特征融合的方法在故障演化跟踪方面的有效性,同时,利用净化后的振动源响应得到的故障演化跟踪曲线较净化前更加平滑和准确。4.研究了基于多时间尺度相空间曲变的故障演化跟踪方法。针对特征融合方法中特征难选择以及数据要求较高的问题,提出了一种基于SSA信息提取的多时间尺度相空间曲变的故障演化跟踪方法。首先,利用三层信号分解方法SSA+MP+RSSD对混合信号中振动源响应进行净化,获得各故障源产生的振动响应;然后,利用多时间尺度相空间曲变的方法获得各故障的演化跟踪矩阵;最后,利用基于SSA的信息提取方法提取故障演化跟踪矩阵中隐含的故障演化信息。以实测的轴承从正常到失效过程的含内、外圈复合故障的全生命周期信号进行验证,结果表明该方法得到的故障演化跟踪曲线的起伏波动更小,反映故障发生的时刻更加准确,更有利于旋转机械故障的演化跟踪。上述研究得出了有效的振动源响应净化和故障演化跟踪方法。以SSA+MP+RSSD三层分解方法和基于SSA的多时间尺度相空间曲变技术实现了对旋转机械振动源响应的净化及故障演化跟踪任务。