振动源的识别分析对机械系统的优化设计、振动噪声控制、状态监测以及故障诊断等方面有着重要的理论意义和应用价值。然而实际机械系统的激励情况复杂,振动源的位置难以预测、系统特性无法精确辨识,现有的振动源识别方法具有一定的局限性。盲源分离方法应用于机械系统振动源识别时同样面临着源数目无法估计、盲解卷积难以实现等诸多困难。基于上述问题,本文开展了机械系统振动源盲分离技术的研究。完成的主要工作如下:分析了盲源分离(Blind source separation,BSS)方法应用于实际机械系统存在的问题,采用模态响应代替原始激励,有针对性地建立了基于模态理论的机械系统BSS模型。避免了解卷积滤波器系数难以估计的问题,并且明确了 BSS分离结果的物理意义:分离信号对应为激励源作用于系统的独立贡献成分,估计的混合矩阵包含了不同激励源对响应的贡献量信息。研究了主分量分析(Principal component analysis,PCA)在预处理过程中的影响因素,进行了 PCA应用于宽频振动信号预处理的实验研究。针对不同激励下模态响应的准循环特征,将其假定为简谐信号并对其相关性以及独立性条件进行理论分析,同时引入峭度进行独立性的定量评价。研究发现:不同频率的简谐信号具有时延不相关性与独立的时间结构特征,并且当简谐信号构成傅里叶级数系时,能够构成独立性更强的信号。进行了简谐信号的盲分离仿真,并以简支梁结构为例进行了模态参数盲分离的实验验证。结果表明:独立分量分析(Independent component analysis,ICA)产生过学习情况,会优先将独立性更强的信号作为虚假信源分离出来,而二阶盲辨识(Second order blind identification,SOBI)方法能够正确稳定地实现信源分离。环境激励下机械系统的振动源盲分离等效于模态参数盲识别问题。以弹性板结构作为实验对象,应用SOBI方法进行环境激励下的模态参数盲识别研究。针对实验中测点数目高于结构模态阶数的超定问题,提出一种基于相关分析的模态筛选方法,并对筛选结果进行模态置信分析。结果表明:该方法能够有效地从频谱相似度较高的分离信号中剔除虚假模态,并且采用Hilbert变换技术能够保证阻尼系数的识别精度。结合所提出的模态筛选方法,SOBI能够有效稳定地识别结构模态参数,较之现有的运行模态分析技术(Operational modal analysis,OMA)有着一定的优势。针对工作状态下系统响应具有的系统特性与激励特性强耦合的特征,提出一种基于相位消除技术的BSS方法,实现相同激励源贡献成分的相位同步,使得重构的响应模型符合BSS模型。进行了三自由度系统振动源盲分离的仿真研究,并且以弹性基础的浮筏隔振结构作为对象,对所提出的振动源盲分离方法进行了实验验证。仿真与实验结果表明:基于相位消除技术的BSS方法能够成功分离出不同激励源对系统响应的独立贡献成分,估计的混合矩阵准确地表征了激励源对各个响应的贡献量信息,并且对噪声干扰具有良好的鲁棒性。