近几十年来,振动筛分设备发展迅速,广泛应用于矿山、冶金、建筑等众多生产领域,可以看出振动筛分设备在工业生产中发挥着重要的作用。因此,保持振动筛分设备的健康工作状态至关重要。而滚动轴承是振动筛中最重要同时也是使用频率较高的零件之一,一旦轴承发生故障,那么将会影响振动筛的正常工作,从而导致筛分精度的下降。因此,振动筛的滚动轴承故障的故障特征提取在实际的制造生产中有着十分重大的意义。本文以传统能量算子理论的局限性和可扩展性为切入点,针对振动筛轴承故障信号的独有特征,提出了几种新的改进能量算子方法。论文的主要工作有以下几个方面:(1)针对先前振动筛的轴承故障动力学模型中忽略滑移等缺点,提出了以五自由度的微分运动方程为基础的振动筛轴承故障动力学模型,使得模型故障信号更接近于实际工况,通过模型详细分析了振动筛的轴承故障信号和一般旋转机械的轴承故障信号的不同。(2)针对先前能量算子鲁棒性较差的缺点,利用高阶差分思想,在解析能量算子(Analytic Energy Operator,AEO)的基础上提出了一种增强型的能量算子,称为高阶差分解析能量算子(High Order Differential Analytic Energy Operator,HOD_AEO)。由于高阶求导能提高信号干扰比(Signal-toInterferences Ratio,SIR),而解析信号可以提高信号的信噪比(Signal-to-Noise Ratio,SNR),因此将二者结合不仅可以抑制噪声,同时也能抑制振动频率干扰。(3)提出了一种计算复杂性较低的能量算子,称为对称差分解析能量算子(Symmetrical Difference Analytic Energy Operator,SD_AEO)。SD_AEO的原理主要利用了对称差分序列,该序列可以对数据进行平滑处理,即相当于进行了平滑滤波作用。将该方法应用于模拟实验和真实轴承故障数据实验,并与HOD_AEO进行对比,发现性能上不逊于HOD_AEO,并且它的运行速率也相对较快。(4)提出了一种新颖的的能量算子技术—频率加权解析能量算子(Frequency-weighted Analytic Energy Operator,FW_AEO)。该种算子采用了一阶求导的同时采用了新的能量表达方式,使其其性能与前两种增强型能量算子性能一样优秀,并且运算效率也非常高效,可以面对复杂的背景环境。(5)针对更为复杂的故障诊断形式—轴承内、外圈复合故障特征的提取进行了深入的研究分析,提出了一种提取效果更加优秀的复合故障诊断方法,该方法主要采用了最小最优熵反褶积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)和稀疏贝叶斯阶跃滤波(Spare Bayes Step filter,SBSF)技术,这两种技术相辅相成,突出了故障脉冲序列的同时并去除了大量的背景噪声,最后在利用SD_AEO对处理后的信号进行故障特征提取。(6)针对三种新提出算法的特点,分析了不同工况下的三种增强型能量算子的适用范围。通过模拟实验信号与不同工况下的真实轴承故障数据,验证了上述方法的实用性和有效性,实现了振动筛轴承故障诊断在线监测的目的。