机械设备由于重载、高速等极端工况下极易造成金属构件的疲劳损伤、结构的应力微弱变形和磨损等故障,这些故障的产生给机械设备的安全运行带来隐患。因而,及时识别机械设备的运行状态,预防突发事故产生,对保障设备安全运行具有重大意义。现有的故障系统识别方法,大多数方法只是对线性系统进行分析且分析结果受运行工况、背景噪声等影响较大,因而,寻找新的故障辨识方法显得尤为重要。机械系统中的疲劳损伤等故障的产生使得系统的非线性特性增强。目前,国内外研究者对非线性系统辨识的研究,主要集中于系统建模上。针对线性系统模型不能有效逼近非线性系统的问题,发展了多种数学理论和方法来对非线性系统进行建模,其中基于Volterra级数模型的系统故障辨识方法,被广泛应用在各行各业中,并且取得了很好的效果。然而Volterra核函数的识别存在维数灾难。后来有研究者给出了非线性输出频率响应函数(Nonlinear Output Frequency Response Functions,NOFRFs),对系统故障非线性特征进行识别。NOFRFs是频率的一维函数,可便于从系统输入、输出信号中辨识估计得到。因而,本文采用NOFRFs函数对非线性机械系统进行了辨识,提出了最小均方(Least Mean Square,LMS)方法来识别非线性系统特征,同时研究该方法对运行工况、背景噪声的敏感性。主要工作如下:(1)详细地介绍了 Volterra级数理论,以及在此基础上发展起来的广义频率响应函数和NOFRFs函数,并分析了它们的优缺点以及求解方法,在此基础上提出了一种基于LMS方法的NOFRFs核函数辨识方法。该方法只要一次激励就可辨识出系统各阶的核函数,可避免最小二乘法(Least Squares Method,LSM)辨识方法中的矩阵求逆。(2)提出了基于LMS的NOFRFs的疲劳裂纹识别方法,并研究了该方法的抗噪声能力。通过对无裂纹情况下以及不同裂纹长度下的系统各阶NOFRFs进行了对比研究,找出了金属构件疲劳微裂纹损伤与非线性特征向量之间的对应关系,从而实现了金属构件疲劳微裂纹大小的快速有效识别。同时研究了该方法的抗干扰能力,不同信噪比噪声分别加到输入和输出信号上,研究发现,信噪比大于5 dB时对研究结果不影响。信噪比越低,影响越明显;裂纹长度越长,噪声的影响就越明显。因此,噪声会在一定程度上影响检测结果,在利用该方法进行含背景噪声的系统故障辨识时,需要根据背景噪声的强弱对Fe指数进行修正。(3)旋转类机械在不同工况条件下进行生产,现有的故障诊断方法需要基准数据,且背景噪声对识别结果的干扰比较大,难以保证诊断的实时性,所以寻求新的故障诊断方法显得尤为重要。将(2)中所用的方法应用于齿轮箱及转子等旋转类机械故障识别。主要进行了不同转速和负载工况下,齿轮箱存在断齿故障和转子存在不平衡故障的状态识别。研究发现该方法对齿轮箱故障识别不适用,但能有效地辨识出平衡状态与不平衡状态,说明该方法适合噪声等干扰相对低,分析信号传输路径简单的场所。此外,还进行了不同转速条件下的研究,发现不同转速对辨识结果影响有一定的影响,但影响效果不明显。