摘　　要　　　　在机械系统故障诊断中存在大量的非线性现象，Volterra级数模型是线性系统描述方法在非线性领域的直接扩展，可以对一大类非线性系统提供一种简洁明了的描述模型。Volterra级数模型的核能够描述非线性系统的本质特性，并且物理意义明确，易于被工程技术人员理解掌握，因此得到了广泛的研究和应用。　　　本文主要对机械系统的非线性故障诊断方法进行了研究。主要工作如下：　　　首先介绍了非线性系统及其辨识的基础理论，以及非线性辨识应注意的一些问题，还研究了一种系统非线性检验的算法，试验表明该方法能准确判断系统是否为非线性系统。　　　其次介绍了Volterra模型的基础理论。重点研究了基于递推最小二乘的Volterra时域核辨识算法，通过利用Volterra核的对称性，减少了待辨识的参数数目。此外还研究了基于联合ODACFs（Omni-Directional　Auto-Correlation　Functions）和联合ODCCFs（Omni-Directional　Cross-Correlation　Functions）模型有效性验证算法并编程实现。　　　　然后进行了Volterra时域核辨识和BP神经网络相结合的轴承转子系统典型故障自动诊断方法的研究。轴承转子系统的故障诊断经过多年发展，已经有很多成熟的诊断方法，但以往的各种方法多是基于信号处理的，主要是通过分析振动信号，从中提取故障特征量进行故障诊断。本文尝试从系统的Volterra模型中提取故障特征量作为BP网络的输入进行故障的自动诊断。　　　最后对基于Volterra级数模型的轴承转子系统故障自动诊断方法进行了仿真研究和实验验证。在仿真研究中对该方法进行了总体实施步骤和实施细节问题研究，此外还研究了如何从Volterrra时域核中提取故障特征量。在仿真研究中还研究了该方法的泛化能力，从仿真实验测试结果可以看到该方法故障诊断准确率高，并有较强的泛化能力。在实验验证中，研究了该方法用在轴承转子系统典型故障诊断上的效果。从实验结果可以发现，该方法用在实际系统中的效果很好，故障诊断准确率高，可达90%。