随着工业生产力的发展,离心泵的应用更加广泛,对离心泵精度要求越来越高,实时有效地检测出离心泵故障并采取相应措施,可以大大提高工业生产效率。在离心泵转子的故障诊断中,振动信号属于非平稳信号,其包含了大量的故障信息,因此需选择离心泵转子故障信号分析的方法来处理振动信号。本文的研究内容如下:1、描述了离心泵转子不平衡、不对中的故障特点。对离心泵转子不平衡与不对中进行故障特征与故障机理分析,从而对实际离心泵工作过程中遇到的故障给出相应解决措施。2、从离心泵转子不平衡与不对中故障振动烈度与轴心轨迹两个方面对离心泵转子不平衡与不对中故障进行分析,并设计了故障诊断总体方案,对不同状况故障信号进行振动信号采集。3、提出改进双树复小波变换（Dual-tree complex wavelet transform,DT-CWT）的降噪方法,即基于双树复小波变换（DT-CWT）块阈值,并通过滑动均值对含噪的离心泵转子故障振动信号进行滑动平均滤波处理,去除离心泵转子故障信号基线和高频随机噪声,利用中值滤波处理小波分解的细节系数,再实施噪声估计和阈值选择,进行阈值降噪滤波,从而让尺度系数保持不变的振动信号去噪方法。该降噪方法,充分考虑了DT-CWT的完全重构降噪特性,抑制了振动信号中的白噪声和脉冲噪声。使用信噪比和均方误差来评价双树复小波变换和改进的双树复小波变换对离心泵转子故障振动信号的去噪效果,并由此验证了改进的双树复小波变换去噪效果更好,为离心泵振动信号降噪提供一种新方法。4、提出一种基于改进经验小波（Empitical Wavelet Transform,EWT）和遗传（Genetic Algorithm,GA）优化的支持向量机（Support Vector Machines,SVM）的离心泵转子故障诊断识别方法。即运用经验小波基于尺度空间理论的频带划分方法提取各模态（Intrinsic Mode Functions,IMF）分量的峭度和散布熵,并将各组特征向量输入遗传优化的SVM中进行故障诊断与识别。改进的经验小波变换方法改良了频带破裂现象,提高了信号重构的质量,并且遗传优化的SVM可以较好地区分故障,诊断准确率符合实际需求。5、搭建了由计算机、传感器、数据采集器等构成的离心泵转子振动模拟实验台。通过实验验证了本文方法对离心泵转子不对中与不平衡故障识别的可行性与优越性。本文主要创新点:1、设计离心泵转子不平衡、不对中故障总体诊断方案。搭建了由计算机、传感器、数据采集器等构成的离心泵转子振动模拟实验台,并将采集的离心泵转子故障模拟数据与正常数据经过改进双树复小波变换方法去噪,再通过改进后的经验小波变换提取特征向量输入遗传优化的SVM中完成故障诊断。2、提出一种离心泵转子不平衡、不对中故障振动信号诊断方法。利用经验小波尺度空间理论的频带划分方法,求取离心泵转子故障振动信号各组IMF分量的峭度和散布熵,将各组特征向量输入遗传优化的SVM中完成故障识别及分类。3、提出一种基于双树复小波变换块阈值改进的降噪方法,其降噪后的信号有较大的信噪比和较小的均方误差。改进后的双树复小波变换方法的去噪效果相对于改进前得到明显的提升。