汽轮机、风机、压缩机等大型旋转机械转轴需要采用液体动压滑动轴承支承,轴承-转子系统的动力学性能直接决定旋转机械能否可靠、安全、连续地运行。旋转机械的轴承-转子系统在高速、重载的工作环境下会产生结构振动,从而影响整机的工作性能。在各类滑动轴承中,可倾瓦轴承较常规固定瓦轴承更具优势,但其传统结构存在高复杂度、高成本、易磨损等缺点。本文以一种轴瓦浮动、具有双层油膜结构及可倾瓦特征的自生静压油膜轴承为研究对象,结合理论建模和数值计算等手段展开静动特性研究,在此基础上分别对无摇摆状态及纵横摇摆作用下的自生静压油膜轴承-转子系统进行动力学特性分析,并进一步搭建轴承-转子系统振动测试平台及摇摆试验装置,对自生静压油膜轴承进行试验研究,为研究自生静压油膜轴承的振动特性提供新的方法和手段。根据流体动压理论及轴瓦几何关系,推导了油膜厚度表达式,结合常规径向轴承雷诺方程的基本形式分别推导出自生静压油膜轴承内层油膜和外层油膜的无量纲雷诺方程;提出一种根据轴承已知设计参数的改进有限差分法迭代求解雷诺方程,获得油膜压力的分布特性,进而求解出油膜的无量纲承载力、流量、功耗和温升等静特性;基于压力小扰动假设,求解了不同转速工况下的油膜的刚度和阻尼系数,并分析它们的变化规律。基于有限元分析理论对实际的自生静压油膜轴承-转子系统进行动力学特性分析,为此,首先需要将轴承转子系统离散化为有限单元节点,建立基于拉格朗日方程的运动方程,进而组装为考虑陀螺效应的轴承-转子系统的运动微分方程,并采用Newmark数值积分法对其进行求解,计算自生静压油膜轴承支承下转子的临界转速、模态振型及不平衡响应等动力学特性,分析剪切效应、陀螺效应等因素对系统动态特性的作用规律。推导了摇摆作用下弹性轴段的动力学微分方程,在此基础上,按照有限元节点的划分顺序组装得到摇摆运动作用下自生静压油膜轴承转子系统的动力学微分方程;采用Newmark数值积分法对摇摆作用下的转子系统动力学方程进行求解,研究摇摆频率和摇摆幅度对转子系统振动特性的作用规律,分析了重力载荷、附加载荷、位移响应及轴心轨迹等的变化规律。搭建大型滑动轴承-转子系统振动测试平台,并对两种不同轴瓦承载方式的转子信号进行了分析。为了从强干扰振动信号中提取或分离出主要振动特征,分别研究了稀疏表征、奇异值分解和主成分分析这三大算法:研究了余弦字典中相角和频率参数的等分间隔大小对信号处理效果的影响,并采用信噪比、均方根误差和运行时间等指标进行衡量,得到频率和相位参数间隔的优化区间范围;通过理论推导出有效奇异值数量与频率数量的关系及奇异值的大小排序规律,提出一种基于奇异值分解的幅值滤波算法,并通过仿真信号及实际的转子振动信号的分析验证了算法的有效性;研究了协方差矩阵特征值差分谱的性质,提出一种基于差分谱理论的改进主成分分析算法,该算法能够根据协方差矩阵特征值差分谱的最大峰值位置可自动选择有效主成分的个数,且通过不同谱峰之间的分量信号的组合可以提取出不同的频率成分。提出一种深度卷积神经网络故障诊断模型用于轴心轨迹识别,该方法将特征提取与分类识别融为一体,对全连接层特征进行主成分的结果验证了所提模型在轴心轨迹特征提取方面的有效性,该方法整体识别效果优于BP神经网络及支持向量机（SVM）等浅层模型。提出一种深度卷积自动编码器故障诊断模型,将轴心轨迹的Hu不变矩特征与利用该模型提取到的深度自动编码特征进行融合,识别率优于基于单一特征的深度学习方法及传统识别方法。