直升机的运行环境恶劣,自身结构复杂。传动链作为其不能冗余的单一动力传递通道,如果发生故障,将使直升机面临巨大的安全威胁。因此,针对直升机传动链开展状态监控和故障诊断工作十分重要。特征提取与优化技术是状态监控与故障诊断的基础,其中特征优化是将物理空间里获得的多维特征映射为更加适合故障诊断的特征空间里的特征向量,从而提高故障识别的效率和准确性。因此,针对传动链展开故障特征优化技术研究就显得尤为重要。本文受国家自然科学基金项目“直升机传动链损伤增强检测的非线性动力学理论与方法”和部委级预研课题“XX动力传动系统退化状态识别与剩余寿命预测技术”资助,研究了基于振动信号分析的直升机传动链关键部件故障特征优化技术。主要的研究内容包括:(1)研究了滚动轴承和齿轮的故障模式及演化机理,分析了滚动轴承和齿轮的振动特征。针对滚动轴承,提取了24个待优化特征;针对齿轮,重点研究了基于时域同步平均的特征提取方法,在此基础上提取了20个待优化特征。(2)开展了滚动轴承和齿轮的故障植入实验,提取了滚动轴承信号的时域和频域特征,及齿轮的时域同步平均信号的统计特征,定性分析了这些特征的故障分离能力。(3)梳理了常用的无量纲化方法,并根据保持数据变异系数不变的原则,提出了平均化的无量纲化方法。从故障识别需求出发,研究了特征的敏感性和稳定性指标,并对传统评估指标进行了改进。(4)运用敏感性和稳定性的指标量化评估了提取的特征集,生成了优化的特征向量。为了验证优化特征的结果,构建了反向传播的神经网络故障诊断模型,使用该模型,对比分析了优化前后的特征进行故障识别的识别精度。(5)设计了直升机传动链故障诊断软件,该软件主要包括特征提取软件模块,特征优化软件模块,反向传播神经网络故障识别模块,通过试验数据验证了所设计软件的有效性。