由于旋转机械进行周期性的运动,因此会较大概率发生故障。如果未及时对旋转机械进行状态监测与维护,一旦发生危险,轻则会机器停机,造成生产停滞。重则会造成操作人员的伤亡,产生无法弥补的损失。轴承和齿轮是旋转机械中主要存在的零部件,因此对于轴承和齿轮的微弱故障诊断越来越需要重视。轴承、齿轮的工况一般伴随有较强的噪声存在,这对微弱故障信号识别造成一定难度。传统的信号处理手段如小波变换、经验模态解调等,其原理基于信号滤波进行故障识别。随机共振解决了传统滤波方法对于原始信号的伤害,其方法是利用噪声成分,将噪声能量转化为微弱信号能量。当噪声、微弱信号和非线性系统三者达到最佳匹配时,会达到降噪的作用,在降低噪声的同时做到对微弱故障信号增强的效果。影响随机共振的滤波效果主要因素是信号类型、非线性系统(即势模型)和模型阶数。基于上述分析,本文基于二阶欠阻尼随机共振的基础上引入连续势、单参数势、和周期势三种新的势模型。(1)首先绘制势模型的图形,分析了势模型参数对于势结构的影响,得出参数变化可以对于模型的势阱宽度、时垒高度和势壁的陡峭程度有不同的影响。(2)而后对于理论随机共振信噪比进行理论推导,当在噪声强度逐渐增加时,信噪比会在某一时刻达到最高值,而后噪声强度继续增加时,信噪比会逐渐减小最后趋于稳定值。过阻尼随机共振是一个一阶微分方程,二阶欠阻尼随机共振表达式是一个二阶微分方程,较过阻尼随机共振增加了一个阻尼项。二阶欠阻尼相当于二次滤波,其输出效果相对于传统过阻尼随机共振更优。(3)最后将提出的新势模型应用于二阶欠阻尼随机共振中,结合蚁群算法对势参数进行寻优,得出最佳输出信噪比。通过仿真信号、实验数据进行方法验证。将所提出方法与传统随机共振方法输出效果进行对比,得出结论。