论文研究了振动信号处理及模态分析理论在机械设备故障诊断方面的应用,给出基于特征提取方法和神经网络的故障诊断应用方法的设计。首先研究了传统的振动信号在时域和频域中的提取方法和分析方法,包括波形分析、相关分析、能量谱和倒谱分析等,并重点研究了小波分析技术在故障诊断中的应用。其次,从模态分析的经典定义入手,通过对一个N自由度的线性弹性系统的分析,详细研究了模态分析的原理。对实模态分析、复模态分析和模态参数的识别也做了相应的阐述。模态参数识别是模态分析的目标,利用识别出的模态参数对系统进行模态分析。然后,研究了利用模态分析进行故障诊断和状态监测的方法,利用模态分析得到系统的固有频率和振型等参数,可以直观的观察机械设备的动态特性。当设备发生故障时,这些参数也会随之发生变化。根据这些参数的变化情况,可以判断出故障类型,有时还可以判断出故障位置。并利用有限元分析软件ANSYS对齿轮故障和齿轮箱的故障进行了仿真,对模态分析在故障诊断中的应用进行了验证。最后,对基于振动信号处理和模态分析的机械故障诊断监测系统进行了研究,结合神经网络对特征信号进行推理诊断,讨论了系统的工作原理,进行了故障诊断和监测系统的硬件及软件设计。