装备安全是石化工业安全、稳定、长周期、满负荷、优化的生产运行的基础,如何降低故障率、提高可靠性是国内外石化企业最为关注的问题。随着石化装备日益大型化、集成化、复杂化,石化装备安全工作面临更大的挑战。石化装备中大型旋转机械的地位至关重要,催化裂化等主要工艺都离不开旋转机械,而在旋转机械故障库中,轴承故障约占总故障数的44%左右。因此,对旋转机械中的滚动轴承进行故障诊断具有重要意义。张清华教授团队前期研究成果表明,无量纲免疫诊断技术在轴承故障诊断中具有良好的潜力和诊断优势。本论文在前期研究的基础上,针对复杂环境下滚动轴承的故障诊断问题,提出新的无量纲指标构建方法和诊断技术。具体工作包括:(1)针对传统无量纲指标难以解决旋转机械中滚动轴承故障诊断的问题,分析了滚动轴承的故障机理,以轴承常态运行下的振动信号为“标准振动信号”,提出“互无量纲指标”概念,在传统无量纲指标基础上通过归一化构建了一套新无量纲指标。(2)提出了一种小波包降噪的预处理方法。在复杂环境下对振动信号进行去噪预处理,才能更准确体现机器的真实振动情况。本文提出一种小波包去噪的预处理方法,通过对实验机组采集的振动信号进行算法验证,仿真结果表明,该方法能有效提高信号的信噪比,精确提取信号的原有特征。(3)设计了一种基于随机森林模型的新无量纲指标融合诊断方法。方法将小波包去噪算法、互无量纲指标和随机森林算法有机结合,提出了预处理、模型构建、诊断机制和参数选择等构架,形成了一套系统、收敛、时间复杂度低的新方法。仿真和半实物机组实验验证表明,该方法对轴承故障具有好的识别能力,相对传统无量纲指标方法能大幅提高诊断精度。依托广东省石化装备故障诊断重点实验室,对工作内容做了仿真和半实物机组实验验证。本论文的成果是对无量纲免疫诊断技术的有力补充,也是对石化装备旋转机械中关键部件滚动轴承故障诊断技术的新探索。