往复压缩机是石油、化工领域的核心设备,其一旦发生故障,不仅会给企业带来重大的经济损失,同时会给员工的人身安全带来严重危害,因此,往复压缩机故障诊断已成为人们研究的重点。然而,往复压缩机振动信号具有非线性、非平稳、多分量耦合特性,以傅里叶变换为代表的传统时频分析方法对其进行分析存在一定的局限性。局部均值分解(Local mean decomposition,简称LMD)是一种信号自适应分析方法,对处理非平稳信号具有独特的优势。因此,本文在选用LMD并改进其包络线构造方法的基础上,与小波包模糊熵结合,提出一种新型故障特征提取方法,实现往复压缩机轴承间隙过大故障的准确诊断。首先,论文在回顾故障诊断技术发展历程的基础上,综述了往复压缩机故障诊断领域的常用技术、方法与手段,以及当前存在的主要问题;阐述了常用的非平稳信号自适应分解方法;分析了LMD方法在端点效应、模态混叠、包络线构造等方面存在问题与研究成果及其在故障诊断领域的应用情况。其次,在深入研究LMD方法理论的基础上,提出了基于切点和单调三次Hermite插值(MPCHI)的改进LMD方法。该方法核心之一是以泰勒级数展开计算切点与局部极值点间的偏移量,更新切点位置,使用切点替代极值点作为包络线插值点,以解决所构造包络线与原始信号相割而非相切的问题;另一核心是采用单调三次Hermite插值替代三次样条插值(CSI)构造包络线,以避免三次样条插值的“过包络”与“欠包络”问题,提高包络线拟合精度。仿真信号和实测信号试验结果表明,切点单调三次Hermite插值LMD方法可有效提高信号分解精度。再者,针对往复压缩机故障振动信号的非线性特性,提出小波包模糊熵量化指标,并与改进LMD方法相结合,形成基于切点单调三次Hermite插值LMD与小波包模糊熵的特征提取方法。该方法先以改进LMD分解信号形成一系列PF分量,再利用相关性系数筛选PF分量,随之以小波包模糊熵量化PF分量形成特征矩阵,最终利用奇异值分解优选矩阵,构成可分性良好的特征向量。最后,以2D12往复压缩机传动机构轴承为对象,开展不同位置轴承间隙过大故障试验,采集故障振动信号,利用基于切点单调三次Hermite插值LMD与小波包模糊熵的特征提取方法进行分析,提取故障特征向量,以支持向量机(SVM)为分类器,实现故障的准确诊断,并与多种特征提取方法进行比较,验证该方法的优越性。