机械制造加工业是国家工业发展的基础,更是国家综合实力的重要体现,高可靠性和近零故障是有效进行机械制造加工的重要保障。早期故障诊断技术能够及时发现机械加工过程早期故障的微弱信息,根据故障发生的位置、类别以及严重程度提供有效的维修决策,对于实现高效可靠的机械加工过程具有重大意义。然而,早期故障的微弱信号具有幅值微弱、低信噪比、故障特征冗余度高以及高维非线性的特点。因此,如何从监测的低信噪比信号中,提取早期微弱故障特征,实现微弱信号主特征选择及高维非线性特征降维分析,有效实现机械加工故障的早期诊断是迫切需要解决的问题。针对早期故障的低信噪比微弱信号处理问题,在传统的经验模态分解方法基础上,提出了基于嵌入降噪的筛选迭代方法,对信号的筛选迭代分解过程进行降噪分析和准模态平滑处理,减小由端点缺失造成的扭曲现象,以解决噪声干扰和迭代误差造成的端点效应问题;同时,提出了基于相关分析的停止准则,考虑了迭代过程准模态间的局部关系,及分解模态与信号相关关系的全局特性,达到消除经验模态分解冗余模态的目的。对早期故障信号和低信噪比微弱信号的分析,以及与基于预测延拓的端点效应抑制方法的对比分析,验证了提出的方法解决经验模态分解方法端点效应和冗余模态的能力,为实现早期故障信号及低信噪比微弱信号的分析提供理论及技术支持。从空间域和频域分析了小幅值微弱信号,通过功率谱密度方法、二维小波方法和二维经验模态分解方法实现了微弱信号各频域分量的提取;并针对传统二维经验模态分解方法的冗余模态问题,提出了基于嵌入降噪迭代的二维经验模态分解方法,在迭代分解过程中消除了包络拟合造成的误差。对精密加工小幅值微弱信号的分析表明,提出的方法有效实现了晶体表面微观形貌的刀痕信息、进给方向的纹理特征及加工缺陷的特征识别,能够精确分析各形貌特征对晶体加工质量的影响,为从加工缺陷机理上改善加工质量提供技术支持。针对早期故障微弱信号的主特征选择问题,提出了基于动态遗传算法的主特征判定模型;研究高维非线性特征的动态编码机制,计算每个特征维度上特征集的适应度值,并选择该特征维度的最优特征集;根据精英保留策略动态更新特征空间的维度,迭代计算该维度的最优特征集;研究了基于受测试曲线分析(ROC)的系统敏感度辨识模型,对于设备的多元状态识别模型,分别计算每个模型的敏感度和特异性值,根据多元状态的辨识指标和特征累积频率判定系统的主特征。通过对转子和轴承性能衰退过程早期故障分析,以及与其它五种特征选择方法对比分析,表明提出的主特征选择方法能够以较小的特征维度获得较高的分类正确率。针对早期故障微弱信号高维非线性特征的降维问题,提出了考虑全局特征的互信息特征加权和流形优化的监督式局部线性嵌入方法。结合样本的类别信息,通过基于互信息分析的特征加权方法,保留全局特征的完整性并突出主要贡献的特征,实现了样本点邻域的加权选择;在此基础上,采用极大似然法实现了样本特征在低维空间的流形维度估计,和基于偏最小二乘法的测试样本流形映射。针对监督式局部线性嵌入方法获得低维流形的冗余性问题,通过基于互信息分析的流形排序方法,选择低维空间的最优流形组合。通过与其他的特征降维方法,以及不同的组合方法进行对比分析,验证了提出的改进的流形学习方法能够实现高维特征的非线性降维,并改善模型识别刀具早期故障的精度。