旋轉機械設備作為現(xiàn)代工業(yè)生產(chǎn)的基礎，在電力、冶金、石油化工、運載工具等國民支柱產(chǎn)業(yè)中廣泛應用，并且發(fā)揮著關鍵性和決定性作用。隨著科技水平的提高和社會發(fā)展需求的推動，旋轉機械設備逐步朝著大型化、精密化、復雜化、高速化和連續(xù)化的方向發(fā)展，不同設備之間的聯(lián)系也越發(fā)密切，在運轉過程中形成了一個相互影響的整體。由于旋轉機械設備常常在高速、重載以及惡劣環(huán)境等條件下工作，導致設備難免會發(fā)生故障。設備一旦出現(xiàn)故障，有可能引起連鎖反應，導致整個設備無法正常工作，不但維修費用高、周期長，而且嚴重時會給企業(yè)或國家造成巨大損失，甚至引發(fā)災難性人員傷亡事故、產(chǎn)生惡劣的社會影響。因此，在旋轉機械設備迅速發(fā)展的同時，其可靠性和安全性不容忽視，開展旋轉機械設備狀態(tài)監(jiān)測和故障診斷研究具有重要的經(jīng)濟效益和社會效益。
　　旋轉機械故障診斷技術主要包括振動檢測診斷、噪聲檢測診斷、溫度檢測診斷、油液分析診斷和聲發(fā)射檢測診斷等方法。“預知其內(nèi)者，當以關乎其外；診于外者，斯以知其內(nèi)；蓋有諸內(nèi)者，必形諸外”。這種外在表象和內(nèi)部狀態(tài)之間的聯(lián)系不僅是中醫(yī)問診所遵循的依據(jù)，也是旋轉機械設備狀態(tài)監(jiān)測和故障診斷的基本原理。由于負載、激勵的變化和機械摩擦磨損的存在，振動是旋轉機械部件運轉過程中必然產(chǎn)生的現(xiàn)象。旋轉機械設備運行狀態(tài)的變化可以通過振動的形式表現(xiàn)出來，振動信號包含了豐富的設備運行狀態(tài)信息。由于振動信號的采集和分析可以在旋轉機械設備不停機、不拆卸的條件下實時在線進行，振動信號分析成為目前應用最廣泛、最行之有效的旋轉機械故障診斷方法。目前，振動檢測診斷方法約占各類旋轉機械故障診斷方法的60%以上。
　　在旋轉機械運行過程中，各個零部件之間相互影響、相互耦合，導致旋轉機械振動信號屬于典型的非線性、非平穩(wěn)的多分量信號。時頻分析技術能在時一頻二維平面內(nèi)對信號進行處理，是分析非平穩(wěn)信號的有力工具。短時傅里葉變換、偽魏格納分布、小波變換和S變換等傳統(tǒng)時頻分析理論雖然克服了時域和頻域分析技術在非平穩(wěn)信號處理中的不足，能夠較為準確地描述振動信號局部時頻特性，并在旋轉機械故障診斷中取得較好的應用效果，但是這些理論都存在明顯的局限性，如短時傅里葉變換的時窗函數(shù)固定、小波變換的母小波選擇困難、小波尺度與頻率沒有良好的對應關系、S變換的高頻分辨性能較差等。因此，有必要進一步深入研究和探索適用于旋轉機械振動信號分析的新技術和新方法，以提高旋轉機械設備狀態(tài)監(jiān)測和故障診斷的精度和可靠性。
　　廣義時頻分析理論是指除傳統(tǒng)時頻變換以外的時頻分析方法，包括分數(shù)階傅里葉變換（fractional Fourier transform，F(xiàn)RFT）、分數(shù)階時頻變換以及自適應時頻變換等理論。分數(shù)階傅里葉變換是一種統(tǒng)一的時頻變換技術，具有獨特的時頻旋轉特性。與傅里葉變換相比，F(xiàn)RFT更加適合處理非平穩(wěn)信號，并且多了一個變換參數(shù)，分析信號的靈活性更大。分數(shù)階時頻變換是通過將FRFT與短時傅里葉變換、小波變換等傳統(tǒng)時頻變換有機融合而形成的一類廣義時頻分析，摒棄了傳統(tǒng)的時間一傅里葉頻率二維平面的觀點，而將時域信號變換到不同時間一分數(shù)階頻域進行處理，具有分析靈活、時頻聚集性能更好的優(yōu)點，在某些條件下能夠得到傳統(tǒng)時頻分析和傅里葉變換無法達到的效果。自適應時頻變換是經(jīng)驗模式分解、局部均值分解和變分模式分解等自適應時頻分解方法的總稱，具有良好的多分量信號自適應分解能力，近年來受到人們的廣泛關注和研究。
　　目前，F(xiàn)RFT和分數(shù)階時頻變換主要應用在通信、聲納、雷達和信息安全等領域，而在旋轉機械振動信號分析和故障診斷領域比較少見。經(jīng)驗模式分解和局部均值分解在旋轉機械振動信號分析中已得到廣泛應用，而由Konstantin等提出的變分模式分解作為一種新的更有優(yōu)勢的自適應時頻變換，在旋轉機械振動信號分析中的應用研究才剛剛開始。
　　振動信號特征提取和智能分類是旋轉機械設備狀態(tài)監(jiān)測和故障診斷的關鍵環(huán)節(jié)。因此，為進一步提高旋轉機械設備狀態(tài)監(jiān)測和故障診斷的精度和可靠性，本書在總結旋轉機械振動信號分析現(xiàn)有研究成果的基礎上，將分數(shù)階傅里葉變換、集合經(jīng)驗模式分解、變分模式分解和分數(shù)階S變換等廣義時頻分析理論應用于旋轉機械故障診斷，重點研究了振動信號特征提取方法和基于廣義時頻特征的旋轉機械故障智能分類優(yōu)化策略。
　　本書研究內(nèi)容具有重要的理論意義和工程價值。理論意義在于：提出的分數(shù)階S變換和正交變分模式分解，是對廣義時頻分析理論的豐富和發(fā)展，并拓展了廣義時頻分析理論的應用范圍；提出的基于廣義時頻分析理論的旋轉機械振動信號特征參數(shù)提取方法體系和基于廣義時頻特征的旋轉機械故障智能分類優(yōu)化策略，極大地豐富了旋轉機械故障診斷理論；同時，理論研究成果也可以很容易地拓展到其他非線性非平穩(wěn)信號分析領域。工程價值在于：提出的基于廣義時頻分析理論的旋轉機械振動信號特征參數(shù)提取方法體系和旋轉機械故障智能分類優(yōu)化策略，為旋轉機械故障狀態(tài)監(jiān)測和故障診斷提供了一種新的有效的技術手段，進一步提高了旋轉機械設備狀態(tài)監(jiān)測和故障診斷準確性和可靠性，從而為減少維修成本、制訂維修措施、降低經(jīng)濟損失和預防重大事故發(fā)生奠定了基礎。