印刷装备是一种具有高精密度的高速集成机械设备,设备运行稳定性与可靠性直接决定了印刷行业生产制造水平。滚动轴承作为此类旋转装备的重要支撑部件,其准确特征提取与故障识别是实现印刷装备智能化监测诊断的关键问题。研究针对印刷供料系统轴承部件的频域分布特性、时域非平稳特性及时域非高斯振动特性,分别展开了故障损伤特征提取新方法研究,以实现各类轴承故障状态的准确表征,从而为印刷装备的稳定运行和高效生产提供重要理论依据。主要研究内容包括:(1)开展轴承损伤信号的分布特性研究,从时域和频域角度全面分析了印刷机轴承的低频、非平稳和非高斯特性:探究了印刷装备中轴承振动信号产生机理,分析了滚动轴承故障特征在频域上的低频微弱特性,指出常规频谱识别中存在的频率分辨率问题;通过Hilbert-Huang算法理论,分析模拟信号与轴承实测信号的时间-频率-幅值变化,验证其参数时变特性,并指出了轴承非平稳统计特征的冗余问题;通过信号概率密度拖尾厚度对比,分析了轴承故障振动信号的分数低阶Alpha分布特性,指出了常规特征提取存在的性能退化问题;上述问题的提出为印刷装备轴承故障诊断提供了新的研究方向;(2)针对轴承的低频故障特征能量聚集问题,提出了基于多重故障特征频谱细化熵的轴承特征提取新算法:研究提出多重ZFFT算法对低频振动信号进行多重目标频段的频谱细化处理,有效提高了振动信号频谱分辨率,解决了高采样频率下低频故障特征密集难以区分问题,实现了故障频谱成分的准确识别;针对不同类型故障轴承,采用熵值特征度量其多重细化窄频段的时序复杂性,包括样本熵、近似熵、模糊熵、多尺度样本熵、多尺度模糊熵等,研究通过变量去相关完成了故障特征的敏感性描述,依据多类样本点的空间分布实现了故障轴承样本的聚类识别;上述研究形成了基于特征频谱细化熵的印刷机滚动轴承故障诊断体系;(3)针对轴承振动非平稳随机性及特征冗余问题,提出了基于局部均值分解与流形映射的非平稳统计特征提取算法:通过局部均值分解对非平稳振动信号进行平稳化分解,构建了 PF分量、瞬时频率、瞬时幅值的非平稳高维特征集;引用图论概念将信号高维特征集视为无向图的矩阵表示,通过拉普拉斯特征映射进行矩阵内部流形结构的非线性挖掘,以获得敏感、稳定的轴承振动特征参数,实现了轴承非平稳特征集的维数约减;通过信号约减特征可视化三维散点图观察轴承样本的空间聚类,结合支持向量机完成了样本识别;上述内容实现了基于LMD-LE的印刷机滚动轴承故障诊断方法,并成功应用于多组故障轴承实验,验证了所提出方法对非平稳特征的可靠识别能力;(4)针对轴承振动分数低阶Alpha分布特性,提出了基于分数低阶统计的轴承特征描述新算法:在自适应分析基础之上,从信号分布概率密度函数拖尾及分布模型参数方面探究了信号PF分量的时域分布特性,研究发现局部均值算法LMD对分数低阶Alpha噪声抑制性能较弱,由此提出了基于分数低阶统计原理的PF分量特征提取改进新算法;算法分别提出了新的特征统计量-最优分数低阶统计量和共变低维映射矩,并构建分数低阶统计特征集,有效实现对Alpha稳态分布噪声干扰的抑制,解决了传统信号特征提取方法中方差假设不成立所导致的印刷机轴承故障状态描述不准确问题;新算法兼顾了信号非平稳与非高斯特性,轴承振动状态描述准确度得到有力提升。本文围绕印刷装备中滚动轴承故障信号的三大振动特性,深入开展了故障信号解析、故障特征表征研究,分别提出了频谱细化表征、自适应特征流形学习、非高斯分数低阶特征提取新算法,构建了完整的滚动轴承故障信号解析、表征及识别体系,新算法进行了通用轴承与印刷机轴承的故障实验,样本空间聚类效果验证了本文所提出新方法的有效性,主要成果对于提升印刷装备制造水平和产品质量具有重要意义,同时,相关理论丰富了已有滚动轴承故障研究体系,为复杂装备中滚动轴承的振动状态描述提供了有效理论支撑。