旋转机械广泛应用于现代机械设备中,例如汽轮机、压缩机、风力机、电动机、水轮机、航空发动机等设备的核心部件均由旋转机械构成。滚动轴承作为旋转机械的支承部件几乎覆盖了所有的工业领域。高速、变载、密封效果差的工作环境常常导致滚动轴承出现不同形式的故障。故障一旦发生,将会导致设备精度降低、生产质量下降、生产中断、甚至机械系统瘫痪。因此,监测轴承运行状态、准确实现其故障诊断具有重要的意义。采集能够表征轴承工作状态的振动信号是对轴承实施故障监测和诊断的前提。通常情况下,采集到的振动信号常常受到设备运行噪声和环境噪声干扰。强噪声背景干扰了振动信号特征识别,严重影响了故障诊断的效果。因此,如何高效提取微弱故障信号特征信息,提高信噪比具有十分重要的意义。为了提高信噪比,传统方法通常采用噪声抑制原理,即通过衰减或者抑制信号中噪声分量达到目的。然而在抑噪的同时也可能削弱有用信号,从而导致输出信噪比降低,甚至波形失真。本文利用随机共振系统的非线性特性,通过利用噪声能量增强故障信号,进一步提取信号特征信息。为此,本文以滚动轴承为研究对象,采用改进的随机共振方法对强噪声背景下的滚动轴承故障特征提取和故障诊断进行了研究,主要内容如下:1.基于对现有的变尺度随机共振方法分析,发展了普通变尺度随机共振方法,并在理论上做了深入分析。该方法在高频信号分析中不需要改变信号本身,只需要通过寻找合适的大参数系统匹配目标信号,实现随机共振,进而实现信号特征提取。对于任一频率的目标信号,提出的方法总能以最优势垒匹配信号幅值,实现最优系统输出。通过数值模拟和轴承实验验证了普通变尺度随机共振方法的准确性。在强噪声背景下,普通变尺度随机共振方法能准确提取信号微弱特征信息,提高输出信噪比,与归一化变尺度随机共振方法相比,具有明显的优越性。2.考虑到工程噪声背景的复杂性,本文以泊松白噪声代替传统轴承故障诊断研究中的高斯白噪声,研究了泊松白噪声激励下的随机共振系统的普通变尺度理论。通过数值仿真,进一步探究了泊松白噪声参数和尺度系数对随机共振系统响应的影响规律。采用由不同局部故障引起的振动信号验证了泊松白噪声激励下的普通变尺度随机共振的正确性,成功提取了滚动轴承微弱故障特征信息。3.滚动轴承发生故障时其故障类型和故障特征频率通常是未知的。本文基于普通变尺度随机共振理论,研究了滚动轴承未知故障特征频率自适应搜索及故障识别。首先,分析了经典幅域指标量化随机共振系统响应的效果,选出最佳评定指标;然后,详细阐述了滚动轴承未知故障特征频率自适应搜索算法及实现步骤;最后,通过不同工况下的滚动轴承故障信号验证了未知故障特征频率搜索算法的准确性和高效性。结果表明:提出的搜索算法能够准确提取轴承未知故障特征信息,实现故障诊断,且对不同故障程度的轴承振动信号都具有较好的效果。4.采集到的滚动轴承振动信号通常含有大量噪声,严重干扰了微弱特征识别,本文进一步分析了轴承未知故障振动信号恢复及微弱信息提取。在未知信号恢复的数值模拟中,根据随机共振响应特性,构造了分段均值幅域指标,深入分析了该指标的性能;设计了简谐信号、非周期信号以及调频信号的参数估计策略;提出了强噪声背景下未知信号恢复方法,并通过简谐信号、二进制信号和调频信号验证了该方法的正确性。将分段均值指标引入到轴承微弱特征提取中,分析了分段均值指标评价随机共振的效果;利用聚合经验模态分解处理微弱故障信号,基于旋转频率截止准则和谱放大因子指标筛选出最优固有模态函数;基于分段均值指标和群智能优化算法对最优固有模态函数进行自适应随机共振处理,成功复现了表征轴承内圈故障的振动信号,提取了未知故障特征频率,实现了故障诊断。5.对本文所做的工作进行了总结,并对相关的技术研究做出了展望。综上,本文通过改进的随机共振方法对强噪声背景下的微弱故障特征提取进行了深入研究。全文脉络大致可总结为:从高斯白噪声背景到贴近工程实际的泊松白噪声背景;从已知故障特征提取到未知故障诊断;从微弱信号增强到未知信号恢复。本文所发展的方法具有效果好、效率高、准确性高和易于实现等优点,并在滚动轴承故障诊断实验中得到了验证。