作为国民经济支柱型企业中的关键大型现代化旋转机械设备,对其工作及运行环境苛刻性的要求越来越高,同时对保证其长期安全运行的监测机制要求也愈来愈高。设备能否安全运行不仅牵涉到企业经济利益,而且关系到操作设备员工的生命财产的安全保证与否。能否有效提取出旋转机械的微弱故障特征,进而制定有效的针对治理措施以确保设备的安全高效运行显得尤为重要。作为旋转机械中广泛应用的零部件-滚动轴承,其安全运行与否往往决定着整个设备能否安全运行。对滚动轴承进行有效、及时的故障诊断有着非常重要的安全及经济意义。然而,实际工程应用中滚动轴承的故障特征往往表现得非常微弱,究其原因无异于以下三种情况:采集路径较长以致信号衰减严重;早期微弱故障阶段及其他噪源干扰严重;复合故障状态下。研究上述三种情况下滚动轴承的故障诊断方法有着重要的实际工程应用价值及安全经济意义。滚动轴承发生故障时其振动信号往往呈现出非高斯、非平稳及非线性特性,传统的信号处理方法不能再有效提取出滚动轴承发生故障时的非线性、非高斯特征。稀疏分解方法是一种能有效匹配滚动轴承发生故障时冲击信号特征的处理方法,并在滚动轴承的故障诊断中已经取得了一定应用。基于此,本文在经典稀疏分解方法的基础上提出改进方法对滚动轴承微弱故障诊断进行深入的理论及实验研究;借鉴图像非负矩阵分解处理的思想,将非负矩阵分解方法与稀疏分解的思想相结合,提出基于双谱图像稀疏性非负矩阵分解的滚动轴承复合故障诊断方法。论文的主要内容包括以下几个方面:(1)首先以旋转机械微弱故障特征提取所面临的理论及实际问题为出发点,阐述本学位论文的研究背景及其相关重要意义。总结近年来关于机械设备的相关故障诊断方法、智能诊断方法以及图像稀疏表征等方面的国内外研究现状并分析所总结方法的利弊,确立论文研究内容。(2)详细介绍了稀疏分解的基本思想、基础数学理论、常用的典型求解算法、稀疏性度量及冗余字典的构建等内容;简要介绍基于稀疏分解思想的图像稀疏表征的发展历程,并对图像稀疏表征的多尺度几何分析方法作以详细的介绍。此章节的内容为后续章节具体研究内容奠定坚实的理论支撑。(3)实际工程应用中,某些设备在安装振动传感器时由于受实际条件的限制,造成信号采集路径较长(传感器安装位置所采集到的振动信号离实际故障振源比较远)以致信号衰减严重及受背景噪声影响比较大,直接对此工况下采集到的信号进行故障特征提取很难取得好的效果。最小熵解卷积(Minimum Entropy De-convolution,MED)方法有效减弱了采集路径信号衰减的影响,能有效突出滚动轴承发生故障时的瞬态冲击成份;稀疏分解算法能用最佳的原子去有效的匹配滚动轴承发生故障时的瞬态冲击成份。将二者的优点相结合用于滚动轴承的微弱故障特征提取,提出基于MED-稀疏分解的滚动轴承微弱故障诊断方法,通过仿真和实验验证了所述方法的有效性及优点。并比较了所述方法相对于小波分析方法、总体经验模态分解方法、时频切片小波变换方法及基于谱峭度处理方法的优点。(4)共振稀疏分解方法是一种基于多字典库的稀疏分解方法,可以同时分解出信号中的瞬态冲击成分及其持续震荡成分(工频及其谐频成分)。该方法在EEMD前处理基础上,对分解后峭度指标最大的固有模态函数分量进行共振稀疏分解分析:根据共振稀疏分解中信号品质因子的定义,分别构建高、低品质因子小波基函数字典库、并利用形态学分析方法建立信号稀疏表示的目标函数进而实现对滚动轴承发生早期微弱故障或受其他高品质因子噪源干扰严重时具有低品质因子的瞬态故障成份及其他持续振荡高品质因子噪声成份的成功分离。(5)滚动轴承发生复合故障时,由于不同部位故障信号之间的相互干扰及耦合效应,复合故障信号表现得非常复杂,基于信号处理的滚动轴承复合故障方法往往难以取得好的效果。双谱三维图像信息比单纯频谱蕴含更多故障信息,适用于滚动轴承复合故障特征提取。但是如何有效精炼的提取三维图谱的特征以实现智能诊断是一个亟需解决的问题。基于此,将图像非负矩阵分解与稀疏分解的思想相结合,提出稀疏性非负矩阵分解方法对双谱三维图像进行有效特征提取进而实现滚动轴承复合故障的高效智能诊断。最后并与基于双谱图像非负矩阵分解的特征提取效果作以对比突出了所述方法的优越性。