上世纪70年代以来,电子与信息技术在工业生产中得到了广泛应用,先进的自动化机器逐渐替代了手工操作,大大提升了生产效率。但是,自动化生产线在进行长时间持续生产作业时不可避免地会发生故障,很多缓变微小故障在出现初期难以被发现,随着时间的推移逐渐演变成为严重故障,最终造成不可估量的损失。本文依托于四川省科技计划“动化柔性生产线生命周期管理智能维修及远程监控系统”(编号:2017GZ0060),对生产线设备中发生的缓变微小故障进行研究,结合缓变微小故障的时频特性,在传统故障检测方法的基础上提出一种新的缓变微小故障检测方法,主要研究内容有以下几个方面:首先,使用小波阈值去噪对信号进行滤波处理,再对其进行经验模态分解。传统经验模态分解可以有效地提取信号中的特征分量,但是实际生产线信号中混杂的背景噪声会使分解过程出现模态混叠现象,虚假模态分量会随着分解层数的增加而增多,影响信号处理效果。为了减少虚假模态分量和模态混叠,本文采用小波阈值去噪对信号进行滤波,再将预处理后的信号进行经验模态分解;针对小波阈值去噪中传统阈值函数所存在的缺陷,设计一种改进的小波阈值函数,提升小波阈值去噪的效果,有效减少经验模态分解中的虚假模态分量和模态混叠现象。其次,为了提高微小信号的输出响应,选择随机共振对信号进行处理。若使系统达到最佳共振状态,需对其系统参数进行优化。本文采用果蝇优化算法对随机共振的系统参数进行全局寻优,并针对传统果蝇优化算法中固定步长存在的缺陷,设计一种非线性递减双步长寻优方法提升其全局寻优能力,使其能够更准确地计算出随机共振的系统参数,使系统达到最佳的随机共振状态。最后,通过对缓变微小故障的时频特性进行分析,将前文提到的信号处理方法进行结合,提出一种故障检测方法:原始信号先后经过小波阈值去噪,滤波后进行经验模态分解,得到若干个本征模函数后进行信号重构;将重构后的信号进行随机共振处理,使缓变微小故障信号得到突显,达到对实际生产线信号进行缓变微小故障检测的目的。本文提出的缓变微小故障检测方法对白车身焊接生产线故障检测具有一定的实用价值。