摘 要：为了提高齿轮箱轴承故障识别率，提出基于核独立分量分析（KICA）、广义辨别分析（GDA）与最小二乘支持向量机（LSSVM）的轴承故障识别方法。首先将轴承故障振动信号的谱峭度、信息熵等故障特征作为原始特征向量，通过KICA方法将原始特征向量映射到核特征空间,从而去掉不同故障特征间的冗余并消除原始特征向量间的相关性。然后利用GDA方法对故障特征进行非线性融合，并构造新的特征向量。最后，将新的特征向量作为LSSVM分类器的输入，并实现轴承的故障分类。齿轮箱滚动轴承故障诊断试验结果表明：KICA-GDA和LSSVM的故障诊断方法可以识别出更多的轴承故障信息，且提高了LSSVM的分类性能，该方法相对于直接采用LSSVM进行分类的轴承故障方法具有更优秀的分类性能。

在某型航空发动机叶片疲劳试验件数量严重不足的情况下，提出一种新的航空发动机叶片疲劳试验方法－逐级载荷加载法。该方法先以一个相对较低的振动水平对叶片进行激励，然后逐级加大叶片的激励水平，直至叶片出现疲劳破坏，最后获取该叶片的疲劳极限。应用该方法对某型发动机第5级轴流压气叶片进行疲劳试验，有效地获取该叶片的疲劳极限。

为了研究某型直升机尾传动轴组件黏弹性阻尼器硅油中存在气泡对其阻尼性能的影响，分别对两种阻尼器结构进行试验，其中一种阻尼器硅油胶囊中硅油存在一定长度的气泡，另一种基本上没有气泡。通过振动台对带轴承支座的两种结构阻尼器进行激振，比较了两种阻尼器结构在相同激励下耗散能量的能力。同时为模拟阻尼器在直升机上的实际工况条件，还比较了两种阻尼器结构耗散能量的能力随载荷变化的情况。研究结果表明，黏弹性阻尼器硅油中存在气泡将会降低其阻尼性能。

提出中小型航空发动机转子系统故障诊断的一种方法。该方法在转子系统弹性支承器的弹条上粘贴应变计，获取弹支工作过程中的动态应力信号，结合 EMD与 PAC的各自优点，首先对弹支动应力进行 EMD分解，并运用 PCA获取各 IMF主元分量，然后通过相关系数建立噪声评判标准来剔除干扰的主元成分，最后对剩下的主元成分进行重构并获得降噪信号。实际应用表明，该方法能有效地诊断转子系统故障。

针对轴承故障声发射信号的非线性特性，及易受背景噪声干扰的特点，提出一种多尺度局部保持投影方法。通过小波包分解实现一维信号的多尺度构造，利用近邻图保持信号局部流形信息，通过局部保持投影将信号变换到新的坐标空间下，实现故障特征增强。仿真和实验信号处理结果表明，多尺度局部保持投影方法在轴承故障增强检测中效果显著。

针对滚动轴承非线性的早期故障信号，应用独立分量(ICA)将滚动轴承产生的故障信号从多通道混合信号中分离出来，然后采用EMD (Empirical Mode Decomposition)进行再次降噪并建立AR模型，最后提取模型的自回归参数和残差方差作为故障特征向量，并以此作为支持向量机(SVM)分类器的输入参数来区分滚动轴承的工作状态和故障类型。实验结果表明，该方法是有效的。