针对旋转机械振动监测和故障诊断面临的噪声干扰和多信号混杂问题,本文将独立分量分析法(Independent Component Analysis,简称ICA)应用到汽轮发电机组信号分离上,该方法可将传感器所测的混合信号分离成相互独立的单个源信号,实现对故障源的准确识别,提高故障诊断精度。　　 文章首先指出传感器所获得的信号实质上是现场多个源信号的混合叠加,而一般的信号处理技术是直接面对这样的混合信号,没有也无法针对单个的故障信号源,而ICA则可在对源信号及其混合方式均未知的情况下实现各独立信号的盲分离。　　 在学习和掌握ICA的数学理论和算法的基础之上,文章对多源信号、微信号及模拟冲击信号分别进行混合-分离的仿真实验,成功验证了ICA法分离混合信号的有效性。　　 深入学习汽轮发电机组动静碰磨故障的原因、机理、故障特征及现场诊断方法,并对轴振和瓦振信号的测取做了比较,分析认为涡流传感器测取的轴振信号能提供更丰富的碰磨信号。　　 文中采用ICA法分别对两台实际机组碰磨与非碰磨的轴振信号进行分离与比较,结果从两台机组的碰磨信号中都成功分离出了代表故障的周期性冲击信号,而从非碰磨信号中没有得到这样的冲击信号,表明ICA法对碰磨产生的冲击信号的分离效果,实现了对碰磨故障的诊断。　　 文章结尾,给出了ICA方法的不成熟之处以及本论文的不足点,为进一步的研究指明方向。