在声学故障诊断中,准确找到噪声产生的根源非常重要,麦克风阵列被广泛的应用在声源的位置检测中。麦克风阵列的空间排布几何规则对声源定位的结果起着决定性作用,被广泛应用的阵型有线阵、圆阵、螺旋阵等,但这些典型阵型在面对多个相近声源时,很难精准定位到期望信号的位置。因此本文提出了一种基于仿生学向日葵螺旋排布理论设计的叶型麦克风阵列,旨在将其应用到含有大量干扰的机械噪声的定位中,及时定位出故障声源的位置,为后续故障诊断提供帮助。本文通过仿真分析和实验验证,结合波束形成及MUSIC两种声源定位算法,对叶型阵列的性能进行了详细的分析与验证。具体的研究内容如下:首先搭建叶型麦克风阵列仿真平台,在入射信号为单声源及多个相近声源的情况下,利用波束形成算法进行单声源及多个相近声源两种情况的仿真分析,分别从阵列的定位精度和分辨率两个角度分析叶型阵列的性能。同时仿真搭建了均匀圆阵、Arcondoulis螺旋阵等阵型进行比较分析,结果表明结合波束形成算法,叶型阵列在单声源及在多个相近声源的情况下相比于均匀圆阵和螺旋阵具有更好的分辨率和抗干扰能力;然后再将叶型麦克阵列结合MUSIC算法进行单声源定位仿真分析,旨在比较不同的定位算法结合叶型阵列的定位精度,并得出结论:在其他条件均相同的情况下,基于叶型麦克风阵列的MUSIC算法定位精度比常规波束形成算法的定位精度更高,形成的定位云图旁瓣更少,分辨率更高。本文以旋转机械实验台为研究对象,分析了机械实验台常见的故障形式及声源近场传播模型,研究了三种声源定位算法,选取波束形成算法以及MUSIC算法对机械故障噪声源进行定位。采用不同阵型的麦克风阵列去拾取声音信号,再通过延时求和波束形成算法以及MUSIC算法对齿轮故障信号进行定位,旨在实验验证叶型麦克风阵列对机械故障声源定位的能力,并得到结论:在相同条件下叶型麦克风阵列结合定位算法可以实现机械故障声源的定位;叶型麦克风阵列的定位精度与分辨力等性能均优于普遍使用的螺旋阵列。