对于泵、水轮机和螺旋桨等典型的水力旋转机械,如何准确地获取振动、噪声特征信号参数,是实现状态监测、故障预警和目标识别的关键问题,而水力旋转机械运行过程所激励的轴频和叶频等特征信号具有典型的低频特征,其提取面临环境干扰强、直接测量难度大的问题。本文面向水力旋转机械低频特征信号提取的实际问题,以离心泵和螺旋桨为具体研究对象,研究低频辐射声信号机理,建立声信号分析模型,基于共振解调方法、循环平稳分析方法、时频分析方法和主成分分析技术,提出了具有高抗噪性、高精度、高效率的低频声特征提取方法。本文主要研究内容包括以下几个方面:(1)开展了水力旋转机械辐射噪声信号特性研究,建立了调幅信号模型和调幅-调频信号模型。基于辐射噪声信号的组分分析,研究了用于信号预处理的时域平均方法和自回归模型算法,利用仿真分析验证了自回归模型算法的高效性,为水力旋转机械辐射噪声信号的预处理和调制信号的解调算法提供基础。(2)基于多频带解调和主成分分析技术,提出了用于水力旋转机械低信噪比工况的解调算法(Demodulation method based on Multiple frequency bands and Principal component analysis,DMP),主成分分析技术能够对多频带中调制信号组分实现增强与提取,提高算法的抗噪性能。通过离心泵多工况辐射噪声实验和仿真分析进行了算法的验证,并与经典单频带解调谱峭度分析算法进行比较研究。结果显示,DMP算法能够实现离心泵在低信噪比工况下的低频声特征提取,并且相比谱峭度分析算法具有更好的高抗噪解调性能。(3)基于循环平稳分析和主成分分析技术,提出了用于水力旋转机械高精度低频特征提取工况的解调算法(Demodulation method based on Cyclostatioanrity and Principal component analysis,DCP),主成分分析技术能够对二阶统计量矩阵中调制信号组分实现增强与提取,提高算法的抗噪性和精度。通过螺旋桨多工况水下辐射噪声实验和仿真分析进行了算法的验证,并与经典的谱峭度分析和循环平稳分析算法的对比研究。结果显示,DCP算法能够实现螺旋桨在低信噪比工况下的高精度低频特征提取,并且相比循环平稳分析等经典算法具有更高的精度。(4)基于时频分析和主成分分析技术,提出了用于水力旋转机械在线分析工况的解调算法(Demodulation method based on Time-frequency analysis and Principal component analysis,DTP),主成分分析技术能够对时频分布矩阵中调制信号组分实现增强与提取,提高算法的抗噪性能。通过离心泵和螺旋桨多工况辐射噪声实验和仿真分析进行了算法的验证,结果显示DTP算法能够实现离心泵和螺旋桨在低信噪比工况下的低频特征提取,并且相比谱峭度分析和循环平稳分析具有更高的计算效率。(5)针对本文所提出的DMP算法、DCP算法和DTP算法,进行了低频特征信号提取适用性分析。仿真分析和实验结果表明,DMP算法适用于低信噪比条件下的低频特征信号提取,DCP算法适用于高精度要求的低频特征信号提取,DTP算法适用于低频特征信号的快速、在线提取。本文以离心泵和螺旋桨为例,对水力旋转机械低频声特征提取方法进行研究,提出了具有高抗噪、高精度和高效率的低频声特征提取算法,可用于多工况、复杂环境干扰条件下的低频声特征提取,从而为水力旋转机械的状态监测、故障诊断和目标识别等的研究和工程应用提供支撑。