现代化工业中设备集成度和自动化程度的快速提高决定生产设备的安全无故障运行是人们生命财产安全的首要前提,是激烈市场竞争中企业降低生产成本的主要努力方向。本课题针对机械设备状态监测和故障诊断数据类型多、量大,专业要求高等特点,提出在线监测与离线监测的集成化设计理念,以异地诊断支持系统为模型构建开放式故障诊断平台,突破空间和时间的限制,充分利用有限的专家资源,实现测点数据的统一管理和高效调度。开放式故障诊断平台的分布式测量前端——嵌入式动态信号测试及分析系统依托于现代计算机技术和电子技术的迅猛发展,将数字信号处理器和嵌入式操作系统Microsoft XP Embedded(XPE)成功引入机械故障诊断系统中,充分发挥DSPLIB在百兆时钟下高速信号分析功能,并用XPE为系统定制微型操作系统内核,大大降低系统对硬件和软件的依赖性。应用基于注册表保护的EWF系统保护,防止系统被恶意改写,提升其可靠性。机械设备故障具有很强的偶然性和突发性,需要连续监测分析。本文提出时变连续信号采集技术,数据采集卡采用环形内存池分段内存操作模式,用户缓冲空间建立二维缓冲队列,有效防止数据堵塞。采集软件以多线程模式并行搬运、处理数据,实现测试数据不丢点存盘和离线数据截取重构,完成便携式故障诊断设备的一次革新。模式分解技术是一种新的非线性非平稳信号的分析方法,可以根据信号自身的时间特征尺度进行自适应分解,得到若干个基本模式分量。本文应用基于环形内存池模式的时变连续信号采集技术获取数据,对信号进行双边延拓,可有效抑制因边界不连续而产生的畸变效应,大大提高数据两端的分解精度。机械设备大多为非线性系统,因此状态监测信号中存在大量的非线性、非平稳信号。工程应用中,这些信号往往淹没在周围的噪声之中,难以提取分析。本文在大参数信号的变尺度随机共振方法研究的基础上,提出自适应扫频随机共振算法,通过动态改变采样频率和双稳态系统的结构参数,实现强噪声下的微弱信号的自动提取,并取得了良好的实验效果。