旋转机械故障诊断的研究对于避免灾难性事故和巨额经济损失具有重要的意义。为了把科研成果移植到实验教学中,本文设计了一个小型的旋转机械故障诊断实验系统,目的在于使学生了解旋转机械振动过程中一般会出现的故障、所造成的危害及其诊断的方法。本文设计的实验系统由旋转机械实验台、电涡流传感器、光电传感器、信号调理模块、数据采集卡和上位机实验操作软件构成。实验系统主要模拟转子的不平衡故障,监测并采集转子的振动数据和转速数据。使用时域特征分析和小波包频域能量分析,提取转子振动数据的故障特征。对故障特征进行了特征评估,根据评估结果选择用于建立故障诊断模型的特征。故障诊断模型分别采用后向传播神经网络(BP),自组织竞争神经网络(SOC)和支持向量机(SVM)。分析了特征数量和训练样本数量对BP网络故障诊断性能的影响,并比较了BP网络、SOC网络和SVM的结构和故障诊断性能。SOC网络和SVM不仅结构更易于确定,而且故障诊断性能也要优于BP网络。在转子微小不平衡状态下,针对故障特征区分故障类别性能下降的问题,结合小波包分解和故障时域特征,提出了一种故障特征提取的新思路,提高了故障特征的区分度。最后,使用LabVIEW开发了上位机实验操作软件,根据实验教学要求,设计了四个实验。