振动信号是机械动力学的外在表现形式，当机械传动系统中轴承、齿轮等零部件出现局部故障时，振动信号中便会出现瞬态冲击响应成分，而且随着故障的发展演变，波形特征也会随之变化。提取振动信号中反映机械零部件局部故障的瞬态冲击响应成分，是机械故障诊断的关键问题。本文依托于“稀疏框架下信号瞬态成分提取及其机械故障预示研究”国家自然科学基金项目（编号：51375322），以机械故障诊断为目标，以传动系统中滚动轴承和齿轮两种关键部件为研究对象，针对信号瞬态特征提取，提出一种基于降维的独立分量分析的瞬态成分提取方法，并对相关问题进行了深入的理论研究和应用研究。首先，分析了机械传动系统中关键部件轴承和齿轮的故障机理及信号特征，为信号特征提取的合理性和必要性提供理论支持，并对轴承和齿轮在局部故障下进行振动试验和振动信号采集，保证理论研究建立在试验验证的基础上。其次，系统介绍了主成分分析的理论知识、定义、计算方法以及在信号特征检测中降维的应用，并通过仿真信号分析和试验获得的振动信号分析进一步说明主成分分析在信号特征检测中降维的有效性。继而，系统介绍独立分量分析的理论知识、目标函数、迭代算法等，并通过仿真分析说明独立分量分析的特点；根据独立分量分析算法的原理，结合瞬态特征提取的特点，研究基于独立分量分析的瞬态特征提取算法，并通过仿真分析说明其特点和不足。然后，针对独立分量分析的瞬态特征提取算法的不足，根据主成分分析算法的原理，结合瞬态特征提取的特点，提出了基于降维的独立分量分析的瞬态成分提取方法。该方法首先对观测信号进行PCA降维，提取出包含主要特征信息的信号，再对提取出的信号进行ICA瞬态检测。通过仿真分析比较不同降维数下瞬态特征提取的结果，验证了该方法的有效性，并通过与均值滤波方法和小波阈值方法的比较，验证了该方法在故障特征提取应用方面的优越性。最后，将该算法应用于机械传动系统中的故障诊断。通过对轴承故障试验、减速机齿轮故障试验以及汽车变速齿轮箱疲劳试验的分析，提取反映轴承外圈、内圈、滚动体局部故障、减速机齿轮以及汽车变速箱齿轮故障的瞬态冲击响应成分，进一步验证方法理论上的正确性及实际应用中的有效性和适用性。本文在独立分量分析的基础上，结合瞬态特征提取的特点，提出一种基于降维的独立分量分析的瞬态成分提取方法，有效提取信号瞬态特征，所确定的方法对机械传动系统故障诊断具有一定的理论意义和实践价值。