汽轮机作为大型机械的动力装置,广泛应用在大功率机械设备中,而转子是汽轮机中主要零件之一,高速重载的工作环境使其非常容易出现故障。本文针对一种模拟汽轮机实际工况的大型轴承-转子试验台开展振动信号分析与诊断方法研究,实现对汽轮机的早期故障监测,以有效避免机器损坏,减少经济损失,论文主要研究内容如下:(1)分析了转子振动机理和振动基本特性,对汽轮机转子常见故障及轴心轨迹类型进行了详细的描述,分析了各种故障的原因、波形特点和频谱特征,介绍了本文涉及到的相关理论与方法。(2)采用现代信号处理方法对转子轴心轨迹进行提纯研究。针对转子振动信号干扰信号多、非平稳的特点,考虑奇异值分解是一种非线性滤波,其消噪具有无时延、零相移的特点,采用奇异值分解对转子振动信号进行分解。利用奇异值差分谱选取特征奇异值来进行SVD重构,由此剔除信号中随机噪声,还原出转子真实的故障信息,实现轴心轨迹的提纯。谐波小波包变换能对振动信号的所有频带进行无限细分,因此本文也将该方法应用在轴心轨迹提纯。根据汽轮机实际工况搭建了大型轴承-转子振动试验台,利用转子位移信号进行轴心轨迹提纯研究,在两组实验中发现,SVD和谐波小波包变换提纯出的轴心轨迹形状均为典型的外8字和花瓣状,分别对应着不对中和油膜振荡故障。但是谐波小波包与SVD的提纯结果相比,SVD提取的轴心轨迹更加清晰、光滑,尤其是花瓣状的轴心轨迹,SVD的提纯效果要比谐波小波包优异。(3)在轴心轨迹特征提取方面,采用不变矩和傅里叶描述子对轴心轨迹图形进行特征提取,发现两种方法的图形表征能力弱,不同轴心轨迹图形间特征区分度小,无法准确描述轴心轨迹图形特征。为此对原始不变矩进行改进,利用Sobel算子提取轴心轨迹的轮廓,计算轮廓的形状几何特征和不变矩构造出组合矩,提升了图形特征的有效性。(4)在轴心轨迹自动识别方面,采用了BP神经网络、支持向量机和随机森林对轴心轨迹进行分类研究。将SVD提纯后的5类实测轴心轨迹作为样本集,以轴心轨迹的不变矩、傅里叶描述子和组合矩作为特征向量输入到以上三种分类器模型中进行分类实验,实验表明,基于随机森林对轴心轨迹进行分类具有很高的准确率,且组合矩的图形表征能力比不变矩更强,表明本文讨论的研究方法可以取得较好的结果。