随着科学技术的不断发展和装备制造业的飞速进步,机械设备日益向大型化、精密化、自动化和集成化方向发展。这些发展对整个机械系统的设计、制造、运行以及维护都提出了更高的要求,同时也增加了机械系统故障发生的潜在可能性和故障类型的多样性,对机械系统故障诊断提出了巨大的挑战。因此,开展机械系统状态监测及故障诊断相关技术研究非常有必要。本文以机械系统中最常见的部件——滚动轴承、齿轮箱为研究对象,以振动信号分析为研究手段,针对现有的信号处理技术在轴承、齿轮箱振动信号分析中存在的缺点,提出了一系列改进方法,准确地提取出振动信号中的故障特征,使滚动轴承和齿轮箱状态监测与故障诊断技术变得更加丰富和有效。本文的主要工作包括以下几个方面:(1)从理论分析与实际应用的角度阐述了本文的选题背景及课题意义,详细介绍了齿轮箱齿轮、滚动轴承故障诊断相关知识。讲述了齿轮和滚动轴承的故障类型及其产生原因,同时介绍了其典型结构及振动机理,通过简单的分析,给出特征频率的计算公式以及固有振动频率的计算公式。(2)提出一种新的自适应的信号处理方法——奇异谱分解(Singular Spectrum Decomposition,SSD),解决强背景噪声下滚动轴承瞬时频率特征难以获取的问题。该方法通过构建一个轨迹矩阵与自适应选择嵌入维数长度,将非平稳信号从高频到低频依次划分为若干个单分量信号。随后根据峭度准则选取冲击特征明显、峭度值最大的奇异谱分量。然后采用经验AM-FM分解法将奇异谱分量分离为包络成分和纯调频成分,利用能量算子计算瞬时频率。针对能量算子计算瞬时频率存在端点误差大的问题,提出运用支持向量回归的数据延拓方法进行改进。(3)课题研究同步压缩小波变换算法,将其引入滚动轴承故障诊断中,首先搭建滚动轴承故障实验平台,用于采集滚动轴承故障数据,使用小波变换对其进行分析后,再使用同步压缩对小波变换后的系数进行压缩,对比短时傅里叶、EMD,实验结果证明同步压缩小波变换能够有效提取出滚动轴承特征频率;(4)搭建齿轮箱和滚动轴承的故障诊断实验测试系统,该系统包括了转子综合故障实验平台(HZXT-004)、转子动力控制系统(HZXT-003)、数据采集仪(HADM-I)、加速度传感器(HD-YD-216)等,利用该系统对故障时的振动数据进行采集并进行处理验证。实验结果表明:在强噪声背景下奇异谱分解的瞬时频率提取能很好地应用于旋转机械关键零部件振动信号,提取瞬时特征。