基于振动信号的故障诊断技术在某些场合下存在着局限性,而机械噪声蕴含着丰富的机器状态信息。利用噪声信号进行故障诊断的技术称之为声学诊断技术。为了实现声学诊断技术,必须结合机器噪声信号的特点,对声学特征提取技术进行深入研究,使得提取的特征能更好地描述机械设备的运行状态。常规的声学特征提取技术可以给出故障特征随时间、频率的变化规律,但无法揭示故障特征随声源位置的变化信息。为了能更有效地利用噪声信号对机械设备进行故障诊断,本文研发了基于局部近场声全息的机械噪声源特征提取技术。该技术采用由少量传声器组成的阵列测量声压,应用联合局部近场声全息快速地重构出物体外部声场。进而获得包含声源的个数、位置、强度等信息的全息图。通过比较故障与正常状态下的全息图,可以识别出某个特定位置的声源特征的变化,再结合特征频率和处于该位置的零部件的特征参数,从而判定出具体故障。该技术的特点是:适合于中低频声场的局部重建;对“可视范围”以外的声源具有较低的灵敏度;计算快速,可以实现声场的实时映射等;可以在测量数据有缺失的情况下重建声场。本文具体研究内容如下。首先简要介绍故障诊断的研究背景,概述设备故障诊断技术及声学诊断技术的发展概况,回顾总结了噪声源识别与声全息技术的发展概况,对其中的近场声全息方法、等效源方法以及改进统计最优近场声全息进行重点论述。针对应用声学特征提取技术对工业现场机械设备进行故障特征提取这一目标,详细讨论现有的各种噪声源识别方法的优缺点,在此基础上提出需要解决的问题,确立了本文的研究基础。然后,对机械设备振动辐射的噪声场的产生机理和原因进行分析,并对结构声辐射进行数学描述,推导平面近场声全息的基本公式,讨论平面近场声全息的空间波数域的滤波函数,对平面近场声全息进行数值离散,通过数值仿真验证该算法在一定条件下可以对声源比较精确地识别,同时也指出它存在窗效应和卷绕误差的固有缺陷。为了避免这些缺点,全息面必须大于声源面尺寸的两倍,这对于高频情形下大尺寸声源,往往需要大量的测点,测量工作和重构计算都相当耗时,测量成本非常高,不便于实际现场实施。通过理论分析,奠定全文基于声全息的故障特征提取技术的基础。详细地介绍局部近场声全息的原理,推导声场重建公式;改进了统计最优近场声全息,并讨论了重建过程中的各种影响因素;针对声场指向性不强的声辐射体,提出了基于双全息面测量的声源定位技术;为解决传统波叠加方法中等效源配置的不确定性问题,提出了联合局部近场声全息方法。该方法在不知道任何声源位置信息的情况下,仍然可以精确重建局部声场。得出如下结论:1)近场声全息要求测量网格必须规则布置,但在实际应用过程中这一要求很难满足。联合局部近场声全息克服了这一缺点,它不受测量网格的限制,网格可以随意布置;2)联合局部近场声全息可以用于重建局部声场。该方法允许测量面小于源面,可以简化测量过程,降低实验成本。联合局部近场声全息的其他优点包括:对“可视范围”以外的声源具有较低的灵敏度;计算快速,可以实现声场的实时映射等;可以在测量数据有缺失的情况下重建声场;3)声压幅值误差带来的重建误差要大于相位失配带来的重建误差。在算法的实际应用过程中,应该将主要精力放在校准传感器幅值上;4)改进了空间波数域中波数矢量的选取方法。该方法在最大波数限定的空间波数平面上非均匀地选取各波数矢量,并且越靠近主分析波数,选取的波数矢量越多。较之均匀选取波数矢量的方法,改进方法可以在保证重建精度的前提下,提高统计最优近场声全息对声场的重建效率。联合局部声场重构属于声学反问题,详细地介绍了联合局部近场声全息中的离散不适定性问题与各类正则化方法由于联合局部近场声全息属于声学反问题,也常被称为不适定性问题,即解非唯一或不连续依赖于测量数据,小的测量误差将带来解的极大振荡,在数值实现中称为离散不适定性问题,提出通过正则化处理来消除离散不适定性问题的影响。首先通过奇异值分解,将传递矩阵表示成各奇异值分量对解的贡献之和,然后通过正则化滤掉或抑制那些使解产生激烈振荡的小奇异值。实现中可以通过寻求最优正则化参数,决定需要滤波的小奇异值。最后通过仿真研究了不同正则化方法重建效果。得出了一些有利于联合局部近场声全息实际应用的结论:1)声场重构问题为一反问题,不与正则化方法结合,联合局部近场声全息无法实现声场的重建;2)正则化算子方面:利用截断奇异值分解法和Tikhonov正则化方法的联合局部近场声全息重建效果相当;3)正则化参数选择方面:与Tikhonov算子结合,Engl误差极小化准则最适合联合局部近场声全息。最后,进行了实验研究,探讨联合局部近场声全息技术,以及基于此的故障提取技术的可行性和准确性。介绍了振动实验室现有的硬件平台,自行设计完成了全套传声器阵列与采集系统,叙述了实验原理。在此基础上,在半、全消音室内以音箱、电机和电脑机箱为研究对象,进行噪声源识别与故障特征提取的实验研究,完成了实验数据采集,最后对实验结果分析表明:该技术是可行的和准确的,为其在工业现场的应用打下基础。对全文研究工作进行总结,并概括论文的创新点,同时就基于声全息的故障诊断技术未来的研究工作提出了一些建议,指出了若干值得注意的问题。