针对在变转速下齿轮的故障特征提取与故障识别，提出一种基于自适应时变梳状滤波(Adaptive Timevarying Comb Filtering，ATVCF)与模糊C均值(Fuzzy C-means，FCM)聚类的故障识别方法。该方法先用ATVCF方法对变转速下的齿轮振动信号进行时变滤波，并计算滤波信号的均方根值和样本熵，以此构建特征向量矩阵；然后通过FCM对训练样本的特征向量矩阵进行分析，获取各状态下的聚类中心；最后通过计算测试样本与各聚类中心的欧式氏距离来识别测试样本的状态。采用风力机传动系统模拟故障试验台(Wind Turbine Drivetrain Diagnostic Simulator,WTDDS)的齿轮不同状态数据验证了该方法识别变转速下齿轮故障的有效性；同时，通过与直接FCM和经验模态分解(Empirical Mode Decomposition，EMD)-FCM方法的聚类效果对比，凸显了该方法的优越性。

低温多效海水淡化蒸发器换热管在振动与腐蚀的作用下容易发生破损，严重危及装置运行的可靠性和淡化水的品质。通过换热管自振频率的测量和管束振动监测，分析不同工况下换热管不同位置的振动信号时域波形图和频谱特征，研究喷淋密度、蒸发量和蒸发温度等因素对换热管振动的影响。研究结果表明，喷淋冲击导致传热管振动强度远大于降膜流动与蒸汽横掠引起的流致振动；在蒸发器运行温度（40℃～70℃）范围内，温度变化对管束振动幅值的影响较小，喷淋密度和蒸发量的增加会导致换热管振动强度增加，且管束的最大振动位移峰峰值未超过相关设计标准。

针对变转速下的齿轮故障特征的降噪问题，提出了一种基于自适应时变滤波(Adaptive Time-varying Filtering, ATF)与集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)的齿轮故障特征降噪方法。该方法首先用线调频小波路径追踪(Chirplet Path Pursuit，CPP)算法从变转速下的齿轮故障振动信号中估计出齿轮啮合频率，并依据该啮合频率设计时变滤波器；再利用该时变滤波器对齿轮故障振动信号进行滤波，将滤波器阻带内的噪声予以去除；然后采用EEMD方法对滤波后的信号进一步降噪，减少滤波器通带内的噪声干扰；接着利用时变滤波器对降噪后的信号再次进行滤波，消除EEMD降噪时在阻带带来的噪声干扰；最后对降噪后的信号进行阶次分析，提取齿轮故障特征。对齿轮局部故障的算法仿真和应用实例分析表明，该方法不仅可以消除阻带的噪声干扰，而且对通带内的噪声也有较好的抑制作用，可有效凸显齿轮的故障特征。