随着现代工业的快速发展,干气密封在诸多领域都有广泛的应用,尤其在核电、航空、航海及军工方面运用较多。干气密封运行过程中的振动信号特征信息微弱并受外界强噪声干扰,难以真实反映干气密封摩擦学特性。这对今后高转速、高压力等极端工况下干气密封故障诊断、状态监测以及寿命预测等研究方向造成极大困难。针对上述问题以及振动信号难以从噪声中分离的问题,提出了自适应集合经验模态分析（CEEMDAN）与独立成分分析（ICA）理论相结合的降噪方法,并在此基础上运用S变换对降噪后的振动信号进行特征提取。首先,利用CEEMDAN、ICA、模糊熵原理建立振动信号降噪模型。通过试验采集干气密封运行时的加速度信号,对加速度信号进行CEEMDAN分解得到多个固有模态函数（Intrinsic Mode Function,IMF）分量,然后通过ICA变换得到对应独立成分分量并计算其模糊熵值,将模糊熵值不符合条件的分量进行置零,并把符合条件的分量进行重构得到降噪后的信号。通过振动仿真信号验证了本文提出的降噪方法,引入均方根误差和信噪比作为降噪结果的评价指标,结果显示本文提出的降噪方法是可行的、合理的。其次,分别选取6个压力和6组转速在干气密封试验台上进行正交试验,通过试验采集干气密封运行时的加速度信号。采用本文提出的降噪方法进行降噪处理,并对比相关文献中的降噪方法。试验结果表明:在强制降噪方法中,CEEMDAN+ICA方法信噪比比EEMD+ICA方法高出约3.8 d B,均方根误差降低了5%;在噪声分量选择方面,CEEMDAN+ICA方法信噪比比CEEMDAN+WT（小波阈值变换）方法高出约9.5 d B,均方根误差降低了66%,说明基于CEEMDANICA的降噪模型具有一定可靠性。然后,为了进一步验证S变换在特征提取中的优势,选取美国西储大学轴承试验数据集进行振动特征提取。通过对比短时傅里叶变换、小波变换在特征提取上的表现,结果表明S变换在特征提取上时频聚集性较高,且精度高,故本文选择S变换提取特征。最后,根据降噪模型中的相关参数,在CEEMDAN分析中分别讨论加噪次数、最大迭代次数和噪声水平三个参数对降噪结果的影响;在模糊熵部分讨论相空间维数和相似容限两个参数对降噪结果的影响,最终得出降噪模型中最佳的参数取值。依据本文提出的降噪方法对试验台采集的振动信号进行降噪分析,得到降噪后的振动信号。在特征提取中,对降噪后的振动信号采用S变换分析研究,通过对比功率谱密度分析与CEEMDAN分析得出的振动信号频率带范围,两者相似性较高,可以判断为振动基频信号。通过干气密封加速度试验信号论证了文中方法与其他传统降噪方法相比较更加有效,为气密封故障诊断、状态监测等方向的研究提供了一种新的途径。