旋转机械在核电厂中大多承担动力输送和能量转换等重要功用,是核电厂中主要的振动来源之一。这类设备结构复杂,运行状态下部件高速运转,易发生老化,一旦发生故障会造成严重的后果,其运行状态与产生的振动信号之间具有较为密切的关系。因此,振动信号分析在核电厂设备状态监测和故障诊断中占有重要地位。实际测得的振动信号并非来自单一振动源的信号,而是来自多个未知振动源的复杂混合信号。进行振动信号分析前需要进行振动源识别,以区分振动信号来源。盲源分离(BlindSource Separation,BSS)是一种在源信号和信号间的混合方式均未知的情况下,根据某些条件和假设,从监测到的混合信号中分离出源信号的有效方法。在本研究中,建立了基于BSS技术的多级离心泵振动噪声源有效识别的方法。针对多级离心泵等复杂的机械设备发出的振动信号特点不明确、观测信号混合方式较复杂等特点,在充分研究了 BSS模型、独立性判据及学习算法基础上,选择了后非线性混合模型作为研究的基础,研究并对比了 JADE-SOBI联合算法和基于负熵的FastICA算法两种线性BSS算法,选择JADE-SOBI联合算法应用到后非线性BSS的线性化环节中。研究了基于最小化互信息的多层感知器算法和几何算法两种后非线性BSS算法并分别进行了优化,用MATLAB编程实现这两种算法并各自实现了对后非线性混合信号的分离。根据核动力系统用泵类型及布置特点,选取卧式节段型多级离心泵作为分析对象,为了获得多级离心泵的振动特征和信号,运用有限元方法对其进行了静力结构和动力学分析,首先运用Pro/Engineer建立多级离心泵的三维模型,运用ANSYS Workbench中的相关模块分析得到了多级离心泵在运转过程中的最大应力和应变产生位置,前6阶模态的固有频率、以及运转过程中各主要部件的振动情况,并合理布置测点获取了振动仿真信号。基于后非线性模型获得了混合信号,并用上述后非线性BSS算法进行了成功分离,结合研究过程中所有仿真分离试验的实施过程和结果,分析了两种算法的优缺点,并给出了下一步的改进方向。基于BSS技术的振动源识别方法的研究,在一定程度上弥补了传统频谱分析法在机械状态和故障特征识别中的缺陷,为核电厂机械设备的故障诊断提供了可靠的依据,有助于核电厂运行安全性的提高。