旋转机械是工业部门中应用最为广泛的一类机械设备，例如汽轮机、发电机、鼓风机、压缩机等诸多机械都属于这一类。随着科学技术的发展，旋转机械正在向高速、重载和自动化方向发展，对旋转机械在设备安全、稳定、长周期、满负荷运行的要求也越来越高，转子以及其它回转部件作为旋转机械的的核心部件，在电力、能源、交通、石油化工等领域中发挥着无可替代的作用。这类设备一旦发生故障，将会引发严重的机毁人亡事故，并造成重大的经济损失。所以，采用现代化技术，及时掌握设备的运行状态，才能预防故障，杜绝事故，延长设备运行周期，缩短维修时间，最大限度地发挥设备的生产潜力，提高经济效益和社会效益。在新形势下，设备现代化管理以及机械故障诊断正面临着新的机遇和挑战，把旋转机械的故障识别与诊断技术引向深入，使其在现代化设备管理过程中发挥积极的作用，对国民经济建设具有普遍而又重要的意义，也是机械故障诊断领域的科研人员与广大现场工程技术人员所肩负的重要任务。因此研究旋转机械故障诊断若干理论与技术具有重要的理论和实际意义。 本文以旋转机械转子系统为研究对象，采用理论研究、计算机仿真和试验测试相结合的研究方法，提出了基于小波理论、HMM(HiddenMarkovModels，简称为HMM)理论以及粗糙集理论的故障分类与识别的基本算法和实现技术，通过对典型故障的原始信号进行特征提取和选择，建立相应的故障标准模式，从而达到故障诊断的目的。全文的主要内容如下： 第一章：论述了研究机械设备故障诊断的意义和内容，在查阅大量国内外文献的基础上，提出了当前旋转机械故障诊断技术存在的问题及应研究的主要内容。 第二章：研究了小波分析方法在旋转机械故障诊断中的信号特征提取和诊断。首先以试验数据为基础，利用小波变换的多分辨率分析、奇异性理论对典型故障信号进行多尺度分解和重构，发现小波分析便于对信号的总体和局部进行刻画，可以有针对性地选取有关频带的信息并且降低噪声的干扰；其次根据小波变换系数模值与信号突变的关系，可以突出典型故障的特征频率，达到提取裂纹故障的目的；最后利用小波包分解原理对几种典型故障进行研究，发现其在通频范围内可以得到不同频段内的分解系列，时域和频域均有更精细的局部化分析功能；对经过小波包分解和重构后各个频带信号进行重分配尺度谱分析，可以有效地进行特征提取。 第三章：依据HMM的基本理论与算法，提出了利用HMM在实际故障诊断中应注意的几个问题；讨论了HMM初始模型的选取方法；研究了以四种典型故障为基础，通过对试验数据进行加窗处理，采用自相关法提取12阶LPC(LinearPredictioncoefficient)倒谱系数作为特征矢量，采用LBG聚类算法对特征矢量进行矢量量化处理，得出码本矢量，训练四种故障的DHMM(DiscreteHiddenMarkovModel，简称DHMM)模型，并将部分所测数据经矢量量化后输入到训练好的DHMM中，求其对数似然概率值，概率值最大者即为故障状态。采用K-means算法对CHMM(ContinuousHiddenMarkovModel，简称CHMM)进行参数初始化处理，为了防止数据下溢，引入前向-后向比例因子算法求对数似然概率值。对给定的观测序列，每一种模型的优化路径通过Viterbi算法来实现，并用Baum-Welch算法实现参数重估，给出了重估公式。 第四章：确定了基于粗糙集理论进行故障诊断的技术路线；在对试验数据进行分析的基础上，结合典型故障的机理，根据故障的典型特征信息，构造了包含故障信息的知识库；对知识库的信息属性进行了分析，计算了信息属性的重要性，根据其重要性的程度来度量决策属性对条件属性的依赖程度，以便对属性和属性值进行简化，建立最简决策表；根据最简决策表，得出决策规则，并由确定性因子对决策规则进行评价进而做出诊断决策。 第五章：论文的研究总结和展望。