该课题以大型旋转机械和往复机械设备为对象,研究了基于非平稳信号时域信号处理和特征提取原理的多种故障诊断实用技术.在复杂的工业环境中,每个传感器拾取的信号经常是包含其它设备或部件振动的混合.盲源分离方法为混合信号的分离提供了理论基础.该文论证了机械振动信号盲源分离的可行性,并对盲源分离中的"源"赋予了新的含义.提出了利用互相关函数估计不同通道之间的时延参数,适当截取后组成混合信号再进行盲源分离,可以保证振动信号分离的有效性.盲源分离技术在涡流传感器失效故障诊断和早期碰摩故障诊断的成功应用,表明该技术在机械设备状态监测和故障诊断中有着广阔的应用前景.故障的出现增加了信号的复杂性.该文将近似熵的概念引入机械振动信号复杂性的分析之中.先利用小波包分解技术和经验模式分解技术对信号进行分解,再对感兴趣的频带和基本模式分量进行近似熵的估计和对比分析,敏感地捕捉到了汽轮机轴瓦松动故障.提出了二维近似熵的概念,并应用到旋转机械轴心轨迹的复杂性评估中,定量地描述了转子的运行状态,为旋转机械的状态监测和故障诊断提供了一种行之有效的新方法.该课题研究非平稳信号时域信息处理技术的最终目的是将它们应用到监测诊断系统中,解决工程实际中的具体问题.作为该课题关键技术的载体,该文总结了作者在开发多套在线监测系统过程中运用的一些实用技术,提出了一种基于最小二乘法的振动参量转换中波形基线的修正算法,为设备动态信息的完整性和准确性提供了技术上的支持和保障.