近年来,旋转机械结构和功能的复杂化,对机械设备状态监测和识别技术提出了越来越高的要求。本论文主要针对小波分析和神经网络技术在振动信号的检测分析和状态识别系统中的应用展开了深入的研究。本文运用小波分析理论研究了转子非线性故障的特征提取问题。以常见的碰磨故障为研究对象,提出了基于离散小波变换(DWT)的碰磨故障特征提取的改进方法。对如何有效利用信号的离散小波分解重构系数的统计特征及所含的时间信息表征原信号的强度和时间等特征的方法展开研究。本文结合数值实验对目前常用的几种改进BP算法的优化原理及性能特点进行了比较研究,提出了弹性BP算法的改进策略。在此基础上,本文详细介绍了基于改进弹性BP算法的转子状态分类器的设计方法。并用转子振动模拟试验台的实测数据对其有效性进行了验证。本文采用虚拟仪器技术为测试平台,配合适当的传感器,调理模块和采集模块,联合采用改进的基于DWT碰磨故障特征提取方法和改进弹性BP算法,设计了一个转子振动信号检测和状态识别的实验系统,实现了对转子振动信号的实时检测,信号的时频分析,状态的自动识别,数据图表的存储显示等功能。该系统在转子振动模拟试验中,取得了良好的效果,也为旋转机械的状态监测和故障诊断系统的研究提供了一些新的思路和参考。