数控机床广泛应用于航空航天、集成电路制造、海洋工程装备等领域。对数控机床开展机械故障诊断与健康评估研究有助于提高设备的安全性、可靠性和可维护性,预防生产安全事故,延长设备使用寿命。本文在深入分析国内外研究成果的基础上,以数控机床进给系统为主要研究对象,将电机驱动系统作为感知器,研究机械设备运行状态感知、信号补偿与增强、故障分离与定位、健康状态定量评估等问题。电动机被广泛应用于驱动各类机械系统,根据电机与机械负载间的关联,电机驱动系统能够感知机械负载的运行状态。本文首先分析了机械故障对电机驱动系统的影响,介绍了永磁同步电机的磁场定向控制策略,然后依据电机和机械负载间的动力学关联与能量转换关系,深入分析了机械故障在电机驱动系统的各类自传感信号中的表现形式,并指出转矩电流等自传感信号能够有效表征机械负载的运行状态。闭环控制系统中,机械故障引发的负载转矩波动会被视为外部扰动进而受到抑制,这影响了故障信息在自传感信号中的表征。本文根据系统复域数学模型,深入分析了闭环控制系统对自传感信号影响的产生原因,揭示了自传感信号中故障特征分量幅值的变化规律,建立了机械故障信号在闭环控制系统中的传播路径模型,并以此为基础提出了一种基于参考模型的信号补偿方法,保障了自传感信号的有效性。当机械故障发生在远离电机的位置时,信号从故障源位置传播到电机轴端的过程中会发生衰减,导致电机驱动系统难以准确感知机械负载的运行状态。本文深入分析了传动系统对故障信号传播过程的影响,重点阐述了机械负载转矩和电机电磁转矩中故障信号幅值的关联关系,提出了基于参考模型和基于模型参数辨识的故障信号传播路径建模方法,进而设计了基于模型的信号增强策略,提升了电机驱动系统对远端机械故障的感知能力。借助多物理维度、高同步性的自传感信息,本文提出了基于自传感信号融合的机械故障分离与定位方法。依据旋转运动机械系统的动力学特性,提出了基于相位转矩融合的故障分离方法。针对长行程直线运动机械系统中故障源定位问题,提出了融合时域自传感信息与空间位置信息的空间域重构算法,并设计了空间域故障特征和故障定位方法,确定了直线运动行程中机械故障的位置。机械设备生命周期内除了健康和故障状态外还存在多种亚健康状态,本文开展了健康状态定量评估研究。以卷积神经网络与循环神经网络为评估模型,依据系统运行规律与故障机理,提出了基于多维自传感信号的深度神经网络输入数据组织方法,有效提高了健康状态定量评估的准确率,增强了模型对不同工况的泛化能力。最后,构建了电机驱动系统自传感控制平台,并在实验室环境和工程应用实例中全面深入地验证了基于电机驱动系统自传感的机械故障诊断方法的可行性和有效性。实验结果表明,本文提出的方法可有效、准确地感知机械系统运行状态,实现了机械系统的故障检测、定位与健康状态评估,对推动机械故障诊断系统在工业生产中的应用具有重要意义。