螺栓是机械系统中最常用的标准化紧固件,螺栓连接群组就是同一个截面上多个螺栓的组合,包括该截面几何形式及布置形式的组合,会使连接结构具有更好的连接强度、承载能力和使用寿命。然而螺栓连接群组经常会遭受许多恶劣的工作条件（如周期性载荷、机械冲击、化学腐蚀和人员操作不当等）,这些不利条件都有可能导致螺栓连接群组的松动故障,轻则造成设备停机,重则导致机毁人亡,所以亟须开展螺栓连接群组松动状态检测及位置识别的研究。针对螺栓连接群组的振动冲击响应信号特征提取困难问题,本文利用稀疏表示理论挖掘信号中潜在的动态特征变化。首先通过三阶仿真含噪声振动响应信号的稀疏表示与重构,验证了稀疏表示理论在该类信号应用上的可行性。搭建螺栓连接转子实验台,采集了六种不同状态下的螺栓连接群组松动状态,提出了一种基于稀疏表示重构误差的螺栓连接群组松动状态检测方法,通过K-SVD字典学习算法构建不同松动状态的冗余字典,依据稀疏表示最小单类重构误差原则,实现了螺栓连接群组松动状态的高准确率检测。由于机械振动信号通常会夹杂着系统噪声、载荷变化等客观因素带来的干扰,而导致状态检测准确率的下降。本文提出了强噪声环境下基于稀疏表示和随机森林算法相结合的螺栓连接群组松动状态检测方法,将稀疏表示系数作为随机森林算法的特征输入量。结果表明:所提出的方法在螺栓连接群组松动状态检测上有良好的识别准确率,且通过对比证明该方法具有很强的抗干扰能力。振动信号本就是系统的整体性响应信号,对局部结构变化并不敏感,实验中通过合理布置加速度传感器的位置,使其也能够检测到结构局部松动带来的响应变化。针对螺栓连接群组松动位置识别困难的问题,提出了基于稀疏小波包能量特征的螺栓连接群组松动位置识别方法。通过db10小波基函数对稀疏重构后的螺栓连接群组局部松动和个别松动状态信号进行小波包分解,并计算各子频带的稀疏能量特征和能量信息熵。结果表明:子频带能量特征和能量信息熵能够反映出当前信号能量的分布情况,借此可以初步定性推断出螺栓连接群组的松动位置。