中文摘要：

针对旋转机械系统健康监控中设备离群状态早期检测的难题，从现代信号处理技术、无监督学习与核学习等方法出发，结合半监督学习的理论思想，研究基于正常状态样本的设备早期离群状态预报的若干理论与方法；从数据驱动角度出发，将主动学习思想引入样本的学习过程，主动选择利于分类的样本，研究了基于核函数主元分析、关联向量机、模糊核聚类、自组织映射、直推式支持向量机的半监督故障离群检测测方法；研究了离散频谱校正技术在机械系统振动信号分析、微弱故障特征提取中的应用问题。提出了基于FFT+FT的细化分析方法、无需转速信号的阶比跟踪分析方法，提出了抑制噪声影响，提高离散频谱校正精度的信号分析方法；提出了以齿轮箱为对象，进行典型故障特征提取实验和疲劳试验，研究离群状态的模式演化特征，研究了基于遗传算法与支持向量回归的趋势分析方法，对离群状态的发生、发展与演变过程进行预测。这些研究内容及取得的成果为诊断知识获取、离群状态早期预报等提供了一种新的分析思路和一些新的分析手段，具有较大的理论意义和实用价值，促进智能预报与诊断方法走向实用。