风机设备是一种应用广泛的旋转机械,在排气、产生负压方面发挥着重要作用,其正常工作是卷烟厂卷包生产线卷烟质量和速度的保证。根据某卷烟厂实际工况下风机常发故障,本文以风机转子系统中叶片和轴承故障的振动信号为对象展开研究,这类信号通常是由多个振源引起的非平稳混合信号。传统的基于振动信号的故障检测通常直接对传感器采集的非平稳振动信号进行傅里叶变换,观察振动信号的频率分布,该方法对于故障诊断虽然有一定的效率但难以较为全面地分析出信号中包含的故障类型。小波变换作为一种时频域分析方法虽然解决了上述问题,但因工况复杂,母小波不易确定。鉴于此,为了能够通过分析振动信号更加方便准确地诊断出故障发生的部位,本文展开了以下研究工作。在对卷烟厂风机的工作环境、工作原理以及常见故障充分了解的基础上,设置故障模拟实验平台,利用MEMS加速度传感器采集轴承座处的振动信号,采用单通道盲源分离方法分解由多个故障源共同作用产生的混合信号。首先利用极点对称模态分解法对振动信号进行分解构造虚拟多通道,从而将单通道欠定盲分离问题转换为多通道正定或超定盲分离问题,然后利用主成分分析方法提取分解得到的多维信号的主分量以提高后续盲源分离算法的计算效率。实验结果表明,使用该方法可以在一定程度上分离出不同故障源引发的振动信号。在分析了解样本熵和多尺度熵表征信号复杂度不足的基础上,采用层次熵提取故障信号序列的特征,信号序列的层次熵可以反映信号“低频成分”和“高频成分”的样本熵,最后结合SVM实现不同故障的辨识和分类。实验结果表明,在样本数较小的情况下,上述方法达到了较高的故障辨识准确率。完成故障诊断算法的研究和验证之后,在以TI公司TMS320C6747 DSP为核心芯片的硬件电路上完成软件系统的开发。采用Matlab辅助设计降低了程序开发难度,同时也保证了程序的正确性,采用C语言提高了程序的可移植性,按照“自顶向下”的方法将软件进行模块化设计,有利于程序的调试和功能调整。