旋转机械是工业部门中最为常见的一类机械设备,随着现代工业和科学技术的迅猛发展,旋转机械应用需求越来越复杂、多样,服役环境往往比较恶劣,运行工况复杂且常常不稳定,受交变应力作用以及各种随机因素的影响,不可避免会出现旋转机械故障,影响设备正常运行,甚至会出现重大安全事故。因此,从事旋转机械状态监测及故障诊断技术的研究越来越受到重视,而特征提取是其中技术难点之一,也是最重要、最关键的一个环节。鉴于旋转机械振动信号中蕴含了丰富的故障信息,故而研究基于振动信号分析的旋转机械特征提取意义重大。然而,不同于平稳无干扰理想工况下旋转机械故障特征提取,高速、重载等恶劣工况下,测试中信号长路径传输引入的宽带随机噪声和机械系统中存在的同频段其它振源噪声干扰更加严重,表征旋转机械运行状态的振动信号易被强噪声淹没,故障特征微弱,难以提取;变载荷、变转速等变工况下旋转机械振动信号是一种更加复杂的非平稳信号,运行工况的变化在信号特征层的反映与故障引起的信号特征变化非常相似,提取故障特征存在困难;一些特殊工况受封闭环境、旋转工作、空间距离等因素制约,需对旋转机械进行无线状态监测,但无线信道带宽有限,无法满足大量振动数据实时传输与在线监测的需求,而传输与监测振动信号特征是一种可行的替代方法,为能通过振动信号特征实现旋转机械在线实时监测,往往对无线传感器节点片上特征提取快速性提出更高要求。综上,基于振动信号分析的复杂工况下旋转机械故障特征提取具有很大的挑战性。因此,针对以上复杂工况下旋转机械故障特征提取的难题,论文开展了双窗谱图融合增强的旋转机械微弱故障特征提取、脉冲自适应时频变换的变工况旋转机械故障特征提取、特征群短时移位离散傅立叶变换(Discrete Fourier Transform,DFT)的无线传感器节点片上特征提取等研究,具体研究内容如下:(1)针对强噪声下旋转机械故障特征微弱,难以提取的问题,提出了双窗谱图融合增强的旋转机械微弱故障特征提取方法。该方法首先采用最优共振解调频带选择剔除了所选频带以外的噪声信号,再针对通带内信号的噪声干扰,构造长、短时窗短时傅立叶变换分别获取到高频率分辨率时频谱和高时间分辨率时频谱,并通过谱图预处理方法实现对通带内信号初步降噪并凸显出信号特征频率,然后提出谱图相关分析去噪方法进一步抑制通带内随机噪声,再提出谱图幅值关联增强方法对信号特征频率做进一步幅值增强处理,进而实现强噪声下旋转机械微弱故障特征提取。(2)针对变工况下旋转机械振动信号更加复杂,故障特征难以提取的问题,提出了脉冲自适应时频变换的变工况旋转机械故障特征提取方法。该方法首先采用冲击脉冲法提取出蕴含故障信息的冲击脉冲序列,再通过提出的脉冲自适应时频变换,将一维时间序列的冲击脉冲变换至二维时频域,并提取出有效瞬时频率,实现对突变载荷冲击干扰以及其它噪声干扰的有效抑制,获取到高时频分辨率的时频谱;然后提出了脉冲阶比跟踪技术,可在无角域重采样失真情况下将时间-频率域转换为时间-阶比域,成功消除变转速影响,进而实现变工况下旋转机械故障特征提取。(3)针对无线状态监测下难以实现对采集的大量旋转机械振动数据实时传输和在线监测的问题,鉴于传输与监测振动信号特征是一种可行的替代方法,为能通过振动信号特征实现旋转机械在线实时监测,提出了特征群短时移位DFT的无线传感器节点片上快速特征提取方法。该方法聚焦研究蕴含旋转机械运行状态信息的离散特征频点提取,通过构建面向整周期同步采样处理的采样频率和采样长度实现对旋转机械多分量振动信号的同步采样和整周期分析截断,规避了以傅立叶变换为基础的信号分析方法存在频谱泄露、栅栏效应等问题,进而提高了信号特征提取的准确性;通过构建面向移位运算的重采样频率对采样数据进行二次重采样后,提出了移位DFT和短时移位DFT,用移位运算代替乘法运算,进而实现旋转机械振动信号特征快速提取;最后构造出变换系数螺旋排列图,为移位DFT算法的实现提供了直观的图形化手段。(4)为将以上研究成果产品化,同时针对当前旋转机械状态监测及故障诊断系统在通用性、可派生性等方面仍存在不足的问题,构建了旋转机械故障特征提取通用软件平台。聚焦以上三种特征提取方法的算法实现,以软件通用性设计为导向,采用面向对象的软件设计思想,从软件需求分析出发,自顶向下进行软件分层设计和模块化设计,完成了旋转机械故障特征提取通用软件平台的研制。该软件平台可通过修改监控参数配置,在不修改软件的前提下,快速适用于不同对象不同类型信号的数据采集与故障特征提取。文章最后对本文的研究工作进行了总结,并展望了下一步的研究方向。