往复压缩机是石油化工等领域中的最重要设备之一。由于往复压缩机结构复杂,容易发生故障,而一旦发生故障并且没有及时解决,这样不仅会造成石化企业经济的大量损失,而且可能发生安全事故,导致人员伤亡,因此往复压缩机等大型复杂设备的故障诊断是对企业和社会都具有重大的价值和作用。由于往复压缩机的故障振动信号含有大量的噪声信号,导致真实信号被淹没,如果单独使用多尺度模糊熵(Multiscale Fuzzy Entropy,简称MFE)提取特征向量,难以保证故障诊断结果的真实性和准确性,而局部特征尺度分解方法(Local characteristic-scale decomposition,简称LCD)在处理信号中可以起到降噪的作用,故本文将LCD与MFE结合起来用于往复压缩机的故障诊断,并以往复压缩机故障中最为常见的气阀故障展开一系列工作。首先,在陈述往复压缩机故障诊断现状的基础上,介绍了往复压缩机的参数、结构、有工作原理、故障类型和机理。其次,对LCD等四种自适应时频分析方法进行了阐述,指出了EMD、LMD、ITD方法都可用于处理非平稳信号和各自都存在缺陷,并以一个调频调幅信号为仿真信号做仿真实验对比分析这四种方法。说明LCD方法能够避免包络误差、端点效应、分量失真及运算流程复杂等问题,能够较好的应用在非平稳信号的数据处理上。再次,叙述了多尺度模糊熵等几种非线性分析方法的理论知识和算法,指出了其他几种分析方法与多尺度模糊熵存在的缺陷,并以一个混合信号为仿真信号做仿真实验,将多尺度模糊熵与多尺度熵进行对比。说明多尺度模糊熵具有熵值变化稳定、描述故障信息特征完整等优点。最后,以2d12型往复压缩机气阀故障为例,运用LCD、多尺度模糊熵和极限学习机(Extreme Learning Machine,简称ELM)实现故障诊断。并在实例分析中将LCD与MFE结合的方法与其他方法对比,实验证明该方法可以有效地提取出往复压缩机的故障特征,诊断出不同故障特征的故障类型。