在科学技术水平快速发展的今天,机械设备的发展越来越趋于复杂化,零部件之间联系也越来越紧密。零部件之间的密切配合给工业生产带来高效率的优势,但是如果其中一个部件出现故障,则会牵一发而动全身,不仅影响生产效率,甚至带来不可估量的经济损失。故障识别分为三个步骤,一是获取机械设备工作信息,二是提取设备故障特征,最后是进行故障识别。其中从设备中提取故障特征是关键,也是本课题的研究重点。深入研究了递归复杂网络的构造,引入互信息法和Cao方法确定相空间构造的参数,即最佳延迟时间?和最佳嵌入维数m,最佳参数的选取使递归复杂网络保留吸引子的许多性质,为后续振动信号的消噪和故障诊断打下基础。将局部投影消噪结合最佳参数选择的方法应用到滚动轴承振动信号消噪中,通过仿真信号和实测信号验证了局部投影消噪算法的有效性。提出了一种局部投影消噪和递归定量分析相结合的旋转机械故障识别方法。以滚动轴承机械故障模拟实验台为对象,搭建了基于LabVIEW的数据采集系统,采集不同故障类型滚动轴承振动信号;首先用局部投影消噪方法对轴承振动信号进行消噪;然后对消噪后的振动信号绘制递归图,进而通过递归定量分析对递归图所反映出的系统动力学信息进行特征提取,选择确定率和递归熵构成特征向量;最后通过核模糊C均值聚类方法对训练样本的特征向量进行聚类,获得各故障的聚类中心,再根据最小欧式距离原则对测试样本的特征向量进行故障识别。并在相同情况下,将递归复杂网络的统计特征方法用于滚动轴承的故障诊断,说明基于递归定量分析的滚动轴承故障识别方法的优越性,即该方法的故障识别准确率高于传统相空间网络故障识别方法。最后以液压泵故障模拟试验台为研究对象,采用本文所提方法成功地对液压泵不同类型信号进行故障诊断,结果验证了本文所提方法在旋转机械故障识别方面的优越性。