转子系统作为旋转机械的核心部件,其运行过程中的故障呈现多种形式,振动问题十分复杂。传统的轴系振动监测方法在转子不平衡、不对中、碰摩等故障的诊断领域得到了广泛研究,但在分析叶盘裂纹、叶片失效、气激振动等故障方面受到了限制。叶尖定时技术能够监测旋转叶片的运行参数,在提取叶片、叶盘故障特征的应用中具有特殊优势。本文主要研究融合叶尖定时测振与轴系振动监测两种信息源,结合历史与经验信息,在已知故障发生和故障类型基础上,辨识旋转机械转子故障程度、位置等相关参数,减小判断误差,提高致信度的故障诊断技术。具体开展了以下几个方面的工作:将两个按一定角度安装的叶尖定时传感器构成采样双通道,在叶尖定时数据分析中引入了通信领域中的ESPRIT方法用于频率辨识。该方法可分辨叶片振动数据中的多个频率分量。分析了转速变化、信噪比等参数对辨识精度的影响。研究了用于均布传感器的叶尖定时叶片振动数据重建算法,并根据B样条函数构造了插值核函数,通过仿真分析了该函数的重构性能和误差产生的原因。经实验验证该算法可用于对叶片振动幅值参数的辨识。采用传递矩阵法和有限元法分别建立了转子不平衡故障和碰摩故障模型,求解故障力振动响应,分析了各相关参数对响应特征的影响。并在此基础上结合小波空域滤波原理,提出了小波包系数相关滤波算法。该方法在已知故障类型的前提下可用于强背景信号下的故障特征提取和并发故障情况下的指定特征提取。将该方法与小波重分配谱、Hilbert-Huang变换两种时频分析方法结合,应用于碰摩故障加速度信号的特征提取,取得了较好的效果。叶尖定时数据中耦合的转子轴系故障特征会影响叶片工作状态判断的准确性,针对这个问题本文采用了小波包系数相关滤波算法来滤除叶尖定时数据中转子不平衡故障响应。该方法首先通过ESPRIT算法辨识振动频率特征,再融合轴系测振系统定量识别叶盘不平衡量,将其响应能量作为阈值进行滤波。经实验分析,该方法能在一定程度上抑制叶片振动信号中由叶盘不平衡故障带来的干扰。通过实验探索了碰摩故障的定位分析方法,该方法以结点振动响应的分布变化为依据,判断了转子的轴向碰摩位置,并基于周向均布叶尖定时传感器判断了叶片—机匣的碰摩位置。实验融合叶尖定时测振和轴系振动监测这两种信息源,验证了进行叶盘转子碰摩位置全面诊断的可行性。