机器设备的状态监测与故障诊断对于保障生产安全、减少停机损失以及避免因设备故障引发的人员伤亡,环境灾害等具有极其重要的意义。对机器开展状态监测和故障诊断,需要采集并分析能够反映机器零部件运行状态的振动、声音等信号。然而,采集到的信号往往包含来自机器其他部件的运行噪声和环境噪声,这些噪声会干扰对信号的分析处理。因此,微弱信号检测手段对于噪声滤除,提高有用信号的信噪比具有十分重要的意义。本文研究一种基于噪声增强,被称为随机共振的微弱信号检测技术,及其在状态监测和故障诊断中的应用。从信号处理的角度来看,随机共振可以看做一种特殊的非线性滤波器。传统的频域滤波器主要基于噪声抑制原理,即通过衰减或抑制噪声分量,保留有用的频率分量来实现信号滤波。然而,当有用信号频带和噪声频带重叠时,对噪声的抑制会同时衰减有用信号,从而造成信噪比降低或波形失真。和传统滤波器不同,随机共振能够通过非线性系统利用噪声增强放大微弱的有用信号。这种独特的滤波机理对于含噪微弱信号提取,特别是信号频带和噪声频带重叠的微弱信号提取,具有比基于噪声抑制的滤波器更好的效果。本文回顾和分析当前基于随机共振的微弱信号提取技术和算法,总结出影响随机共振滤波器输出的三个因素：势阱,输入信号类型以及模型阶数。从这三个方面出发,提出了一系列的新的或者改进的技术和算法,以实现更好地从噪声背景中有效地提取微弱信号。特别地,在对随机共振势阱的研究中,1)提出了基于三稳态势阱的随机共振方法,并利用非线性机械悬臂梁结构实现三稳态随机共振的微弱信号滤波和增强,2)提出了基于Woods-Saxon势阱的随机共振方法。在对输入信号类型的研究中,提出了顺序多尺度噪声调节随机共振算法,并将该算法移植到嵌入式系统中实现。在对随机共振模型阶数的研究中,提出了欠阻尼变步长二阶随机共振算法。这些提出的方法在一定程度上提高了微弱信号检测的效果,并被应用到了对齿轮、轴承的信号滤波放大和故障诊断中。同时,本文还研究了时延反馈随机共振模型及其在微弱信号检测上的应用,提出了一种结合时延反馈随机共振优点和参数调节随机共振优点的算法用于工程信号处理。此外,考虑到随机共振是一个参数化的模型,其滤波效果同时受到多个参数的影响。因此,需要一个指标来指导随机共振的参数调整,才能获得最优参数及对应的最优滤波信号。针对这一问题,本文提出一种基于过零点稳定性检测的指标,以及相应的自适应随机共振算法,并将该算法移植到嵌入式系统上实现含噪信号的在线滤波。综上,本文研究了基于随机共振的噪声增强微弱信号检测技术及其在机械设备状态监测和故障诊断中的应用。本文提出的方法和传统方法对比,具有效果好,效率高,计算量小,易于实现等优点。同时,所提方法的实用性和优越性在处理实际机械故障信号中得到了有效的验证。