旋转机械是现代国民生产中最重要的一种机械,一旦发生事故将会造成巨大的损失。转子作为旋转机械的核心部件,也是发生故障的主要部位,它在发生故障时经常伴随着异常的振动。因此,开展针对转子振动信号的检测及故障识别技术的研究,对于保证旋转机械运转稳定可靠,避免出现巨大的经济损失和人员伤亡事故,提高经济效益而言意义重大。首先,本文提出一种基于EEMD-SVM的转子故障信号检测识别方法,并利用转子试验台模拟并采集了转子不平衡、不对中、松动、碰摩、油膜涡动等故障信号,分析了各种故障的机理及其特征表现形式。结合中值-小波消噪提出了一种改进型的滤波方法,成功抑制了信号中的脉冲噪声和随机噪声。其次,分析了经验模态分解(EMD)的方法和原理,针对EMD的模态混叠问题,提出了以集合经验模态分解(EEMD)的方法来抑制模态混叠现象,并通过仿真信号对比了EMD和EEMD在抑制模态混叠现象上的优劣。基于EEMD方法分析了转子故障信号,同时提出了以EEMD能量熵结合本征模态函数(IMF)能量特征来组成特征向量的方法以达到特征向量降维的目的,并提高分类效率。然后,基于支持向量机(SVM)使用有向无环图(DAG)多分类方法设计了SVM多故障分类器。使用各故障特征向量搭建训练样本和测试样本对该分类器进行模型训练和测试,得到了较好的分类识别效果。基于SVM对比了EEMD和EMD对分类结果的影响。建立了BP神经网络模型,并对比了SVM和BP神经网络的分类效果,结果表明了EEMD-SVM方法对于转子故障信号识别分类具有更佳的效果。最后,以LabVIEW为软件开发平台,结合传感器、数据采集卡等硬件,设计开发了“转子振动信号检测与识别系统”,能够实现对转子振动信号的数据采集、数据分析与处理、数据保存与回放等功能,此外,结合EEMD与SVM,通过LabVIEW与MATLAB的混合编程实现了对转子故障信号的识别。通过转子试验台对该系统的各项功能进行了验证,结果表示该系统能很好的应用在对旋转机械转子的信号检测与故障识别过程中。