随着我国综合实力的日益提升和科技水平的不断进步,现代工业对于安全生产的需求越来越高,发展研究机械故障诊断技术对于确保机械设备的安全高效运行具有十分重要的意义。随着多传感器采集系统的发展,多元信号的同步处理变得尤为重要。在机械故障诊断研究中,采用多元信号处理方法可以更全面地描述故障部件的动力学信息,有益于实现机械故障诊断。因此,本文在深入研究多元经验模式分解(MEMD)的基础上,针对MEMD存在的模态混叠问题、多信道间功率不平衡问题以及一维信号隐藏特征的高维提取问题,提出改进的MEMD理论。重点旨在优化MEMD在处理多元信号过程中的分解性能,使分解得到的多元IMF准确表征系统动力学信息,利用其分解特性和动力学表征属性进行机械故障诊断。通过理论推导、特性仿真分析和实际实验说明改进的MEMD理论的有效性及优越性。本文以滚动轴承为对象,开展基于改进的MEMD理论的机械故障诊断方法研究,将改进的MEMD理论成功应用于机械故障特征提取及故障分类中。本文主要内容包括以下五个方面:1.深入研究MEMD理论,通过特性仿真分析和实际实验说明MEMD的有效性和优越性,表明MEMD作为一种多元信号同步处理方法能够被很好地应用于机械故障诊断研究中,为本文提出的改进的MEMD理论及其在机械故障诊断中的应用研究打下坚实基础。2.针对MEMD存在的模态混叠问题,在深入研究MEMD滤波器组特性的基础上,提出噪声辅助多元经验模式分解(NAMEMD)。通过添加高斯白噪声信道作为辅助信道,具有频谱均匀分布特性的高斯白噪声作为MEMD在频率自适应分解过程中的参考。提出两种添加噪声的方法,一种添加高斯白噪声信道作为辅助信道直至迭代完成,另一种通过逐次添加高斯白噪声信道,逐次生成每阶多元IMF,产生相同数量的模态。3.针对MEMD存在的多信道间功率不平衡问题,采用自适应非均匀投影策略,提出自适应投影多元经验模式分解(APITMEMD)。通过主成分方向自适应地表征多信道间功率不平衡的最大方向并考虑不同信道间相关性,采用自适应投影方向向量进行迭代分解,减轻不同信道间功率不平衡导致的局部均值次优化估计。并研究APITMEMD在高斯白噪声辅助下的滤波器组特性,进一步提出噪声辅助自适应投影多元经验模式分解(NAAPITMEMD)。4.针对MEMD存在的一维信号隐藏特征的高维提取问题,提出相空间重构优化NAAPITMEMD。相空间重构得到的高维相空间与原始动力系统微分同胚,原始动力系统中隐藏的演化规律能够在高维相空间中展现出来。将NAAPITMEMD分解得到的多元IMF进行相空间重构,得到的高维IMF能够表征一维信号固有和隐藏的动力学信息。通过对高维IMF中高维相点的研究来提取一维信号隐藏的动力学信息和演化规律,实现一维信号在高维相空间中的内蕴动力学特征提取。5.将改进的MEMD理论应用于机械故障诊断中,提出基于NAAPITMEMD的滚动轴承复合故障特征提取方法以及不同工况下滚动轴承智能故障诊断方法。采用NAAPITMEMD减轻模态混叠效应和多信道间功率不平衡导致的局部均值次优化估计。在滚动轴承复合故障特征提取中,从分解得到的多元IMF中提取滚动轴承的复合故障特征。在滚动轴承故障分类中,采用神经网络进行不同工况下滚动轴承的智能故障诊断:一方面通过选取部分多元IMF来表征故障滚动轴承的动力学信息,采用多元IMF的熵值作为神经网络的输入,由于熵值测量时间序列的复杂性,可以实现不同工况下滚动轴承的智能故障诊断;另一方面通过相空间重构得到高维IMF,采用高维IMF的特征量作为神经网络的输入,通过选取对异常值不敏感的高维特征量,实现不同工况下滚动轴承的智能故障诊断。