随着汽车的快速普及,进一步提高车辆舒适性、安全性成为人们迫切的需求。轴承和齿轮作为汽车传动系统中重要的受力和传力部件,一旦发生故障必然会影响车辆的舒适性和乘车安全,因此通过信号处理的方式实时监测及识别故障以提前采取措施具有重要意义。本文根据机械振动信号的稀疏性,分析了旋转机械冲击型故障信号的稀疏表示和压缩感知(CS)方法,深入研究冲击故障特征的字典学习方法和CS重构算法。在冲击故障特征的字典学习方面,提出了一种基于峭度指标移不变K-SVD字典学习算法。该方法结合峭度指标和滑窗运算,选取冲击模式学习的最优训练样本,降低了噪声的干扰,而且有效减少运算负担;采用训练所得模式以“补零时移”策略构建最稀疏冲击字典。将所建移不变冲击字典用于稀疏表示轴承故障信号,实现滚动轴承的故障特征提取。同时,研究算法参数对训练效果的影响,优化了参数的取值范围。在CS重构算法方面,以贪婪迭代类CS重构算法为基础,提出了一种多压缩匹配追踪(MCMP)算法,结合移不变学习方法,实现了旋转机械的冲击型故障诊断。以多组压缩采样数据的“总代理”增强冲击故障特征,结合回溯与组合算法的思想实现由压缩采样信号直接重构故障特征;由于移不变稀疏字典的每个原子仅对应一个冲击响应,所提算法具有较广的适用性,既适用于稳速工况又适用于缓变速工况。探究了噪声强度、压缩率和压缩组数对算法性能的影响,为实际工程运用提供了参考。