往复压缩机是工业应用中最广泛的压缩机类型,是输气管道、石油化工、炼油厂、乙烯化工、煤化工等行业的关键设备。对往复式压缩机进行监测和故障诊断可以帮助机器继续正常运行,具有重要的意义。由于往复压缩机结构复杂,零部件众多,在生产运行中必会产生碰撞与冲击振动,使得其振动信号具有明显的非线性和非平稳性的特点,采用传统的信号处理方法难以从复杂的振动信号中有效地提取故障信息。而散布熵是近年来提出的一种新的故障特征提取方法,相比于传统方法具有更高的分类精度,在旋转机械故障诊断中得到广泛研究,但在往复机械研究中还很少见。针对此问题,本文将非线性散布熵方法引入到往复压缩机的故障诊断中,对此展开了一系列研究工作。首先对往复压缩机目前故障诊断的研究现状与发展趋势进行了简要概述,突出选择散布熵方法的合理性,同时对往复压缩机结构、工作原理以及机理也进行了分析和介绍。其次,在非线性分析方法散布熵的基础上,针对目前散布熵方法对往复压缩机研究较少的问题,提出了适合往复压缩机非线性、非平稳振动信号的散布熵影响参数,指出采用正态累计分布映射以及m=2,c=8,d=1的参数组合更适合往复机械的应用研究。并且通过往复压缩机实测振动信号,对散布熵方法的性质进行了详细研究,从非线性动态变化检测、鲁棒性、稳定性和时效性这几个方面突出了散布熵方法在往复压缩机应用中的优势。接着,采用散布熵的特征提取方法,对往复压缩机故障信号进行特征提取研究,通过与样本熵的对比表明,散布熵具有更好的特征提取效果,其熵值曲线更加平稳,不同故障熵值曲线之间交叉也更少,进一步验证了散布熵方法在往复压缩机特征提取方面的优越性。最后,根据以上特征提取结果,采用支持向量机的智能模式识别方法,对往复压缩机故障进行分类识别。在分类识别的过程中,针对支持向量机参数选取依据经验的问题,提出了应用LIBSVM3.25工具箱进行参数优选的方法。利用优选的参数对往复压缩机传动机构和气阀故障数据进行了分析,结果表明基于支持向量机与散布熵的故障诊断方法可以准确的识别传动机构故障,但对于气阀的故障识别率较低。为此采用提升小波的数据处理方法对气阀数据进行分析,结果表明,该方法提高了气阀故障的识别准确率,实现了不同故障类型的诊断。