旋转机械振动信号是非稳态信号,其故障诊断是一个难题。本文在研究希尔伯特振动分解算法的基础上对其实行了改良,用于齿轮和轴承故障识别,并证验所提方法的有效性。本文所做的工作和取得的成果如下:1、研究了希尔伯特振动分解的分解能力,通过仿真信号分析找出希尔伯特振动分解的缺陷,然后提出了基于镜像延拓的希尔伯特振动分解方法,解决了希尔伯特振动分解方法的端点效应缺陷;利用仿真信号分解比较了希尔伯特振动分解方法和经验模态分解的分解效果,发现希尔伯特振动分解方法在克服端点效应缺陷和模态混叠方面更有优势。2、提出了基于快速峭度图和希尔伯特振动分解的机械故障诊断方法,并用齿轮故障和发电机轴承诊断实例验证该方法。采用希尔伯特振动分解对齿轮或滚动轴承信号分解,分离出高频调制信号,再对高频分量进一步采用快速峭度图分析,能增强快速峭度图故障特征提取能力。通过工程案例验证了该算法。3、提出了基于希尔伯特振动分解和包络谱的机械故障诊断方法,通过希尔伯特振动分解对机械信号分解,再结合包络谱可以提取机械故障特征;基于希尔伯特振动分解的包络谱方法优于单一的包络谱分析,此方法简单适用。通过工程案例证了该算法。4、提出了研究基于希尔伯特振动分解和阈值降噪的机械故障诊断方法。分析了阈值降噪的原理以及阈值的选择,利用希尔伯特振动分解方法对信号分解,再对分解所得的分量进行阈值降噪,再结合傅里叶变换就可以诊断机械故障。通过工程案例证了该算法。