机械故障响应的挖掘是指依据同源多次响应的模式相似性及分布特征,在时间序列上标出各同源多次响应位置的过程,是在状态监测中实现多振源分离的首要任务。为了克服模式混叠及噪声扰动,需要对时间序列片段进行表征研究;为了寻找与机械故障响应表征相对应的度量方法,需要研究空间点群目标相似关系;针对监测数据量大及实时处理的需求,需要运用数据挖掘的思想寻找一种快速的挖掘方法。本文的研究主要从上述三个方面展开:1.许多机械设备需要长时间运行,为了保证这类关键机电系统的运行可靠性和安全性,感知设备性能的有效性非常必要和关键。振动时间序列是运行中的机器设备内部状态信息的载体,周期性的冲击一般体现为振动时间序列上的多个子片段。机械故障响应的时间序列形式表达过于粗糙,以至于分不清相近的故障状态及损伤程度的细微变化。为了全方位地展示故障响应的多维度信息从而在模式特征检测阶段获得更多的同源响应用于分布规律推理,本文提出了基于MP稀疏分解的机械故障模式表征方法,将机械故障模式表征为30组包含幅值、频率、相位、尺度、位移五维特征的原子的形式并可视化为空间点群散布图矩阵,共形成10种不同的二维空间点群表征方案。经实测信号验证,稀疏系数与位移维度搭配形成的表征形式在10种表征方案中模式分类效果最佳,且存在稳定的阈值区间,较表征前更能利用振动信号的本质物理特征更多、更准确地挖掘到同源响应片段。2.针对机械故障响应经MP稀疏分解变换后表征为的空间点群,运用地理科学领域的空间点群目标相似关系度量算法对故障响应之间的相似关系进行量化分析及比对。本文完成了五种相似度子算法的编写工作,通过分析得出距离相似度对实现滚动轴承故障响应模式分类的影响最大的结论。空间点群相似性度量算法的引入丰富了故障响应相似性度量方法,为机械故障诊断领域的相似性度量研究开辟了一条新的途径。3.本文提出一种同源响应的快速挖掘方法。首先以Matrix Profile算法为基础在时间序列上实现了同源响应片段的初步挖掘工作;其次提出一种同源响应分布约束条件,以MP算法挖掘到的少量同源响应片段为基础,通过位置信息的计算推理定义时间序列上80%以上的同源响应片段,在提高算法效率的同时更可靠地实现故障诊断;最终利用匀转速轴承故障数据验证了同源响应快速挖掘方法的有效性,从三个方面对本算法的性能进行分析,验证该算法可快速、高效地挖掘待测时间序列中的同源响应片段。.基于以上研究,本文围绕分源监测课题提出了基于MP稀疏分解的机械故障响应表征方法,并为该表征的特定结果提供了一种空间点群目标相似关系度量算法,通过实验得知较表征前可更多地挖掘同源故障响应。本文提出了一种同源响应挖掘的快速算法,以Matrix Profile算法为基础,搭配使用本文提出的同源响应约束条件,可在时间序列上实现同源故障响应的快速挖掘。