随着科技的发展和需求的提升,现代装备的复杂度、精密度、集成度以及智能程度越来越高,而工况却越来越苛刻,因此对这些设备的可靠性提出了更高的要求。为了减少和避免设备运行中不可预知的失效所带来的各种经济损失和人身危害,状态监测和故障诊断技术的发展和应用显得尤为必要。先进的状态监测和故障诊断技术不仅可以发现早期故障,避免事故发生,更能从根本上解决维修不足和过剩维修的问题。本文围绕信号稀疏表征理论的最新研究进展,以滚动轴承、齿轮等核心部件为主要研究对象,开展了基于稀疏表征理论的故障信号分析与故障特征提取技术的研究。文中的工作主要在三个层面展开:基于稀疏理论的机械故障信号的时频表达(时频分析技术);信号形态成分分析技术(成分分离技术);以及基于移不变稀疏编码的早期故障和弱故障特征提取技术(弱特征提取技术),提出了一系列基于稀疏约束和冗余表达思想的特征强化、噪声抑制、多故障分析等方法,并将这些方法应用于各种仿真和实验数据的分析以验证其有效性。本文的主要内容如下:(1)从状态监测和故障诊断技术在工程实际中的巨大应用价值以及设备故障诊断学的学科理念出发,阐述了论文选题的背景和研究意义。以轴承、齿轮等核心零部件为关键研究问题,从时域分析方法、频域分析方法和时频域分析方法等几个方面,系统而扼要地阐述了国内外学者和工程技术人员在机械故障信号处理技术上的研究现状和热点。最后,论述了稀疏表征理论的发展概况,以及它在故障诊断中具有的研究和应用潜力,并提出了本文的研究思路和技术框架。(2)推导了稀疏表征理论的数学模型、稀疏性度量标准等理论表述,详细介绍了稀疏表征问题中的优化问题求解思路、常用的求解方法以及信号精确重构的的条件等。主要对基追踪、FOCUSS算法、匹配追踪等系数求解算法进行了说明,并对常用的系数求解算法做了性能的对比。此外,对冗余字典的构造、典型的分析字典以及自学习字典等进行了介绍,这些基本概念和理论的阐述为后续章节的展开奠定了基础。(3)论述了稀疏表征与信号能量时频分布之间的关联,通过对典型信号的分析和方法对比得出了基于稀疏原子重构的时频分布的特点。结合滚动轴承的结构特点和运动特征,推导了轴承点蚀故障的信号模型,并进一步得到特征频率的计算方法。利用滚动轴承故障仿真信号,说明了稀疏原子重构时频分析在故障特征强化和噪声抑制上的能力。最后提出一种基于AR预白化和稀疏分解的冲击特征强化方法,实验证明该方法可有效抑制信号中的固有成分和噪声,进而强化冲击成分。(4)首先论述形态成分分析的基本概念、原理和算法实现,并通过相关算例进一步阐述形态成分分析方法的特性。结合齿轮传动的结构和运行特点,介绍了齿轮故障的仿真信号模型,并对齿轮箱加性混合仿真信号进行了形态成分的分离研究。通过实验分析证明了形态成分分析方法在分离故障信号中不同形态分量的可行性和有效性。(5)从实现微弱故障特征提取所面临的挑战为切入点,引出了移不变稀疏编码思想所能提供的解决方向,进而介绍了移不变稀疏编码的理论模型和算法实现,提出了一种基于该思想的微弱故障特征提取方法,可实现重复性出现的弱特征的有效提取。通过对极低信噪比的轴承故障仿真信号的分析,说明了该方法的参数选择原则和算法实施流程,也证明了该方法在处理强噪声信号时的有效性。通过3个具有典型代表的实验分析,验证了该方法在轴承早期故障探测、变速箱微弱故障提取以及在较强啮合成分干扰下提取齿面故障信息等方面的能力。(6)研究了如何利用移不变稀疏编码思想解决多故障信号的分析问题,结合机械故障信号本身的特点,充分考虑单通道线性混合信号与移不变稀疏编码模型的关联性,提出了一种基于移不变稀疏编码的时域特征自学习和自适应聚类的故障信号单通道盲源分离方法,并基于最小化各个源信号结构相关性实现源信号数目的估计。在仿真信号的分析中,对该方法的流程和效果做了介绍,并对源信号能量对比不均等、噪声干扰较大等情况做了进一步的分析,说明该方法的鲁棒性。对轴承复合故障实验信号的分析结果验证了该方法能有效分离由不同故障引起的各种信号成分。综上所述,本文主要围绕稀疏表征在故障诊断中的研究展开,主体内容的安排逐层递进,首先以稀疏表征的理论推导和介绍做为本文的基础内容(第二章),进而研究基于单一字典库的稀疏表征方法在故障信号冲击成分强化及时频特征提取等方面的应用(第三章),接着对基于多字典库的形态分析方法进行论述和研究,并将相关方法用于故障信号中不同成分的分离(第四章),进一步地,提出了一种基于字典自学习的弱故障特征提取方法,称为基于移不变稀疏编码的弱特征提取技术(第五章),它具有更好的自适应性,结合移不变稀疏编码的特性,本文最后对多故障信号的分析做了进一步的研究,提出一种基于稀疏编码思想的多故障分离方法(第六章)。