机械设备监测与故障诊断技术是一门综合性技术，从本质上来讲是一个机器运行状态的模式识别问题，其关键就是故障信号的特征提取与分类。由于往复式压缩机在工业生产中的重要作用，其故障诊断的研究具有重要意义。本文基于国家自然科学基金项目“局域波法及其工程应用研究”(50475155)，在总结和汲取别人研究成果的基础上，以往复式压缩机表面振动信号为研究对象，结合适用于非平稳信号分析的局域波法、分数阶Fourier变换等方法，有效实现了往复式压缩机故障特征的提取，引入模式分类方法并加以改进，实现了故障的准确分类与故障程度的量化。本文的主要工作如下： 1．在分析往复式压缩机结构特征的基础上，总结了表面振动响应与主要激振源和传递路径的关系。结合长期在往复式压缩机振动测试中遇到的问题，阐述了信号可重复性的意义，指出信号的可重复性是往复式压缩机故障诊断的一个重要性质，它对于故障诊断工作的顺利开展有着深远的影响。通过对往复式压缩机实测信号的分析，发现同一部件不同测量位置及测试参数条件下，得到信号的能量与谱型均有较大差异。因此，只有在测试条件相对不变的前提下获取的信号，才能有效应用于往复式压缩机的故障诊断。 2．着重分析了局域波法的分解特征，尤其是采样频率的影响，分析了局域波分解误差的构成形式，总结了信号的分解误差与采样频率的关系，指出在应用局域波分解时应尽可能对信号进行过采样。比较了不同分解方法对同一信号的分解能力，发现当前的局域波分解方法均不能有效的抑制分解误差。根据上述研究结果，提出了一种基于重采样插值的局域波分解方法，以实例证实了其在特征提取中的有效性。 3．引入局域波自回归谱，证实了其在往复式压缩机故障特征提取中的有效性。针对实测信号的时频分布噪声干扰严重的现象，将分数阶Fourier变换应用于信号的时频分布的降噪。受到分数阶域滤波的启发，提出了一种基于分数阶Fourier变换的局域波分解方法，有效的解决了一类信号的局域波分解问题，拓宽了局域波分解的适用范围。 4．将聚类分析与往复式压缩机故障诊断相结合。分析了不同测度对往复式压缩机故障分类的影响，提出了一种基于J散度和局域波自回归谱的层次聚类算法，并应用于往复式压缩机的故障诊断，收到了良好的效果。探讨了在故障特征参数分类效果评判中应用模糊聚类的可行性，得出了基于振动绝对值的特征参数应该在诊断中谨慎使用的结论。重点研究了基于竞争学习的在线聚类方法，提出了一种改进的基于评判的在线聚类算法，分析了其在往复式压缩机故障诊断中的效果，证实此改进算法具有良好的分类能力。