机械设备能否安全稳定运行既关乎着各大企业的切实利益,又与广大机械设备操作人员的生命安全息息相关,因此能否准确、全面地提取出设备的故障特征以及高效、高精度地识别出设备的故障类型,进而制定出针对性的措施以确保设备安全稳定运行的意义尤为重大。目前,基于振动信号的故障诊断技术应用范围最广,其诊断原理是采用传感器获取设备运行时的振动信号,再从振动信号中提取出能反映故障特征的信息,进而实现对该设备的故障诊断。传统的基于振动信号的故障诊断技术大多是根据某一通道所采集到的信号以进行分析,因此存在信息利用不全面的缺陷,容易造成误诊或漏诊。全矢谱技术是一种基于同源双通道信号的信息融合方法,可有效改善单通道分析的信息遗漏问题,因此可在较大程度上提高故障特征提取的全面性,该技术已逐渐应用于工程实际。旋转机械设备发生故障时,其振动信号往往表现为非线性、非平稳及非高斯特性。传统的信号分析方法在处理上述类型的信号时局限性明显,因此不能有效地提取出故障特征。稀疏编码方法起源于压缩感知理论,是在一组高度冗余的基函数的作用下,将信号表示成一系列基函数的线性组合,可实现用少数特征明显的分量来高效、灵活地表征原信号。稀疏编码方法可根据故障信号的特点自适应地匹配其冲击特征,为基于振动信号的故障特征提取及诊断提供了强有力的工具。基于以上叙述,本文针对传统机械设备故障诊断方法所存在的问题,借鉴同源信息融合和压缩感知的思想与技术优势,将全矢谱技术与信号稀疏编码方法相结合,提出了基于全矢稀疏编码的旋转机械设备故障诊断方法。论文的主要内容包括以下几个方面:(1)针对当前旋转机械设备故障特征提取与故障状态识别方法在发展中所面临的理论与实际问题,阐述同源信息融合技术的研究历程以及意义。总结近些年来机械设备故障特征提取与智能故障识别方法的研究现状,引出信号稀疏编码方法应用于该领域的优势,并分析其与同源信息融合技术相结合的可能性及有效性,确立论文研究内容。(2)对全矢谱技术的理论基础与数值计算过程进行了详细介绍,并举出相关应用实例以说明该方法的有效性。详细介绍了信号稀疏编码方法的基本概念,以及稀疏编码的相关求解算法、过完备字典的构造等内容,然后引出了共振稀疏分解方法,并对其理论、思想及应用特点进行了全面的阐述。该两章节的内容作为全文的主要理论支撑,为论文的后续具体研究内容奠定了基础。(3)提出了一种将全矢谱与稀疏编码相结合的设备故障特征提取方法。首先,利用共振稀疏分解将同源双通道信号各自分离为反映瞬态冲击成分的低共振分量和反映周期谐波的高共振分量。然后,将两个通道共振稀疏分解后得到的低共振分量子带重构信号进行全矢信息融合。最后,对融合后的信号进行包络解调分析,以提取出故障特征频率。通过仿真信号和实验信号验证该方法的有效性。(4)针对利用时域信号进行稀疏编码存在的特征时移现象以及单通道信号分析易造成信息遗漏等问题,将全矢谱技术与稀疏编码相结合,提出了一种新的滚动轴承故障识别方法.首先对各状态下的滚动轴承同源双通道信号进行全矢信息融合;然后将融合后得到的主振矢信号进行字典学习,以构造各类信号的冗余字典;最后利用各类字典分别重构测试样本,将其重构误差的大小作为判断样本状态类别的依据。应用实例分析及对比验证了该方法的有效性。