随着科学与信息技术的不断进步,现代工业设备逐步向集成化、高速化、智能化的方向发展。为了避免机电设备发生故障所带来的不必要的损失,就必须对机电设备进行精确的故障检测与诊断。传统的故障诊断方法大多是采用基于系统内部传感的方式,但由于该方式无法获得足够的传感信息,所以必须通过外部传感手段来进行补充。而通过声音获取外部传感信息是其中很重要的一种方式,因此,研究基于音频的机电系统故障诊断技术就显得尤为重要。对机电系统进行音频信号的故障诊断研究,传统的音频信号处理方法大多采用滤波降噪的方式,针对其中的不足,拟采用独立分量分析(ICA)的盲源分离方法。该方法只依据传感器采集的观测混合信号,就能恢复各个机械部件产生的声源信号,从而准确地对各个振源进行状态监测和故障诊断。由于ICA方法对监测信号的数目有一定的要求,将经验模态分解(EMD)与ICA方法结合起来,提出基于EMD-ICA的联合信号处理方法。该方法不仅避免了EMD方法分解过程中产生的模态混叠现象,而且解决了ICA方法的局限性问题,从而实现对单通道监测信号的声源分离。针对分离出的分量,采用峭度分析、峰值分析和包络谱分析,提取出故障特征信息,从而实现对机电系统运行状态的监测与故障诊断。根据以上的理论分析研究,构建出了基于Labview平台的音频故障诊断系统,并运用该系统分别对正常钻头和损坏钻头在钻孔过程中的状态进行检测与故障诊断实验。实验结果得出,无论是故障声音信号还是正常的声音信号,故障诊断的识别率都达到95%左右,达到了令人满意的诊断效果;而且与单独运用EMD方法相比,该系统方法对音频故障诊断的识别率明显提高,表明了基于EMD-ICA方法的音频故障诊断系统的可行性。