在现代机械制造领域,旋转机械制造技术与故障诊断技术随着科学技术的发展和工业企业的要求而快速发展,对应的运行安全性和可靠性的要求也越来越高。轴承与转子作为旋转机械设备的重要元件,其部件失效会引起机械设备其他部件的损坏,呈连锁反应,轻则损坏机械设备,重则酿成事故,危害设备安全及操作员生命,直接影响旋转机械设备的安全性和经济性。因此,对旋转机械工作状况进行监测和故障诊断的研究,具有重大的经济意义和社会意义,本文在对旋转机械轴心轨迹的提纯、识别方法、故障诊断系统及其诊断算法进行了研究,其主要内容如下:(1)根据旋转机械故障原理利用MATLAB建立了轴心轨迹图库,并引入高斯信号建立噪声图库。针对已有的含噪轴心轨迹图,使用小波去噪方法进行图像去噪,通过改变小波去噪硬软阈值参数,对比两种方法的轴心轨迹去噪能力。结果表明:软阈值小波去噪方法的轴心轨迹去噪效果更好。(2)针对去噪后的轴心轨迹,分析图像特征,采用Hu不变矩、小波不变矩作为轴心轨迹的特征进行提取,通过比较两种不变矩的特点,选择采用组合矩的形式作为轴心轨迹的特征。结果表明:组合矩的特征聚合度更好,轴心轨迹的识别效率与准确率都明显提升。(3)针对小波不变矩存在数据冗余不利于分类情况,引入自适应遗传算法对小波矩进行寻优处理,并利用该算法对支持向量机参数进行优化。结果表明:优化后的数据特征聚合度增加,支持向量机特征分类能力得到了增强。(4)利用MATLAB分析组合矩数据,选择组合矩作为输入,构造组合矩,以改进后的支持向量机算法为模式识别工具对组合矩数据进行识别,建立轴心轨迹识别方法。利用LabVIEW设计故障诊断系统软件,在转子实验台架上完成旋转机械故障模拟实验,得到轴心轨迹数据,提取相关特征,对上述识别方法进行了验证。结果表明:该方法的故障识别效率与准确都高于其他特征及常见分类算法。