本书结合检测诊断实例，从非平稳时变分析技术角度，较系统地对采集的压缩机非平稳、非线性的振动信号开展了一定深度的研究与诊断实践探索。针对2D12往复式压缩机在企业中的故障表现并结合现场实践开展的大量的故障模拟试验，涵盖了系统动力学仿真与部件运动分析、非平稳信号的自适应分解技术应用、多重分形理论和信息嫡应用技术应用、时变滤波与深度字典学习的盲源分析等技术研究内容;首先，结合往复压缩机故障诊断的诊断技术背景与发展现状;从压缩机的故障表现，对典型部件进行了动力学与仿真分析，解决了故障数据样本不足的问题，然后对气阀、轴承两种高危的典型故障，将多种信号非平稳时变分析技术融合，进行了诊断分析与模拟故障试验验证，提高了模式识别与分类的有效性;并通过非线性特征分类算法对嫡谱等特征参数进行分类并形成评估指标以实现衰退预警;最后结合盲信号处理技术，通过复合故障刚柔耦合建模，引入深度学习技术对表现较隐蔽的轴承耦合故障进行了研究探索。面向轴承、气阀等高风险故障模式识别与分类的有效性问题进行了一系列较深入的诊断方法与技术革新的探索。