能源电力、石油化工、钢铁冶金及其他国民经济支柱产业中的机械设备，不仅具有大型、高速、复杂、高效及重载的特点，而且其工作和运行环境十分复杂。这些设备一旦突然发生故障，不仅会造成巨额经济损失，甚至会导致严重的人员伤亡事故，影响社会安定团结发展的局面。因此，对此类设备开展故障诊断技术研究具有重要的理论和工程意义。
如何在强噪声背景下提取出真正的信号或者信号的特征并将其应用于工程实际是机械设备状态监测与故障诊断的核心，也是故障诊断领域的研究热点。新方法和新理论的研究也层出不穷，对丰富和完善机械故障诊断技术起到了重要作用。本学位论文以滚动轴承为研究对象，以最小熵解卷积理论为分析工具，深入研究和发展了基于最小熵解卷积方法的滚动轴承故障诊断技术新方法，并验证了工程应用价值，取得了一定的效果。论文主要包括以下几个方面的内容：
(1)从理论分析与工程应用的角度出发，阐述了论文的选题背景和研究意义。分析了滚动轴承故障诊断、信号分析与处理技术、最小熵解卷积方法等方面的国内外研究现状，确立了本文的研究内容。
(2)介绍了最小熵解卷积及其相关基础理论。首先，对熵和信息熵理论进行了介绍，揭示其反映信号复杂度和不确定性的本质，然后在此基础上介绍了熵在信号处理领域的应用，其中重点介绍了幅值谱熵，再然后对FIR滤波器进行了简单介绍，最后介绍了最小熵解卷积理论及其实现过程。
(3)理论分析了最小熵解卷积方法应用于滚动轴承故障诊断的原理，并进行仿真研究。首先，对研究对象进行了介绍，其中包括滚动轴承的结构、滚动轴承的故障类型以及滚动轴承故障模型，然后对滚动轴承常见的诊断方法进行了简单介绍，其中包括时域指标和包络谱分析。结合滚动轴承故障模型，论证了最小熵解卷积方法应用于滚动轴承故障诊断的原理，并利用轴承三种点蚀故障的仿真信号进行了验证了即使在强噪声干扰的环境下，最小熵解卷积方法依然能够对故障信息和故障特征进行有效提取，对最小熵解卷积滤波后信号计算峭度、幅值谱熵或进行包络谱分析等能够精确诊断轴承故障。最后，从FIR滤波器角度出发，研究了最小熵解卷积方法的性能影响因素，并结合研究对象特点对参数设置进行了分析和研究，发掘出最小熵解卷积方法设计的滤波器具有相当好的鲁棒特性的优点，具有很强的工程应用价值。
(4)实验验证和分析。本章主要了利用两个实验来论证和研究最小熵解卷积方法的有效性和优势。第一个实验为轴承全寿命加速疲劳实验。通过全寿命加速疲劳试验，可以获得单一轴承运行从正常到失效的全寿命周期数据。利用最小熵解卷积方法对两组轴承全寿命周期各个阶段的数据进行分析，研究了最小熵解卷积方法对轴承故障各个阶段的故障诊断能力，研究结果表明其在初始故障阶段故障诊断能力较强，能够有效地提取初始故障阶段的故障特征，验证了本文方法对轴承初始故障诊断的有效性和优势。针对轴承往往与齿轮等部件一起运行的工程应用实际，考虑到轴承故障信号往往受强噪声干扰，如齿轮箱中的轴承故障信息往往隐没在齿轮啮合频率的特点，设计了齿轮箱中轴承故障实验，研究了最小熵解卷积方法对齿轮箱中轴承故障的诊断能力。首先，对齿轮箱故障诊断试验装置和实验流程进行了介绍。通过对传感器采集到的振动信号分析，结果表明：最小熵解卷积方法能够有效地去除随机噪声和周期成分的影响，提高滤波后信号的冲击特征，验证了本文方法在强噪声干扰中提取故障信息和故障特征的有效性和优势，探索其工程应用价值。
