转子机械作为我国工业系统机械设备的重要组成部分,对其进行故障诊断研究具有重要的经济效益和社会效益。本文从信息熵融合的角度针对转子机械常见的几种故障做了深入研究。本论文主要从以下几个方面展开:首先,针对转子系统的工作特性进行研究,并在实验室模拟了转子机械常见的几种故障,不平衡、不对中、碰磨、油膜涡动,并分析其故障机理,为进一步研究做准备。其次,根据转子振动信号复杂,冗余信息较多等特征引入匹配追踪算法对振动信号进行分解降噪,其中使用遗传算法和差分进化算法改善了匹配追踪算法计算量大、效率低等缺点,取得良好效果,同时选取gabor原子库更好地适应了转子振动信号的冲击特性,在仿真和实验数据的基础上证明该方法较好地实现了信号的降噪,改善了信号故障特征信息。然后,根据信息熵融合原理,选取奇异谱熵和功率谱熵两种信息熵,分别反映了信号的时域和频域特征,在此基础上提出了融合信息熵差矩理论,并分别在过程(变速)模式和稳速模式下利用求取矩阵均值和方差的方法实现故障诊断,最后通过实验有效地证明了该方法。最后,根据提取的两种信息熵作为特征向量,使用支持向量机的方法进行故障诊断,同时利用差分进化算法较好地优化了支持向量机中的两个关键参数:惩罚因子C和核函数参数?,最终实验结果体现了算法的优越性。文章中采用了两种故障诊断方法都很好的实现了最终的故障诊断,但两种方法各有侧重,融合熵矩理论通俗易懂,过程简洁直观,可靠性高,支持向量机方法效率高,耗时少,适于大量计算和系统应用。