随着工业发展水平的提高,旋转机械设备在日常工业生产中得到普及。面对日益复杂的工作环境,并伴随着故障发生概率增大可能造成的经济损失甚至人身安全损害,旋转机械故障诊断研究工作的开展对于减少经济损失以及避免人员伤亡的意义重大。由于传统时-频分析方法存在时间和频率分辨率的相互制约的问题,加之交叉项干扰以及外来噪声的影响,实现参数化时-频特征的快速有效提取相当困难。本文引入的时-频分析方法同步压缩小波变换是在连续小波变换的基础上对频率方向上的小波参数进行压缩重排,能够得到具有更高时-频分辨率的时-频谱。因此,本文基于同步压缩小波变换对旋转机械故障诊断方法深入开展了研究工作。首先,本文论述了旋转机械故障诊断研究的发展概况,对旋转机械中常见的几类故障的机理以及对应振动信号的特征进行了分析,并介绍了传统时-频分析方法的基本理论和算法及在故障诊断中的应用。研究了传统的特征提取方法(如时域特征参数、能量矩等)和模式识别方法(如概率神经网络、最小二乘支持向量机等),在此基础上,通过故障实验数据研究了基于量化特征的模式分类方法在旋转机械故障模式分类中的应用,验证了该方法的有效性。其次,本文介绍了同步压缩小波变换的基本原理和算法,通过对仿真信号与实际故障实验信号的分析处理,分别与几类传统时-频分析方法进行了对比研究,验证了基于同步压缩小波变换的时-频分析方法得到具有更高时-频分辨率的时频谱,以及具有更突出的时-频特征表现,进一步说明了其在定性故障诊断性能方面表现优越。然后,研究了图像匹配方法,提出了基于时-频特征图像匹配的故障诊断方法,并将其与基于量化特征的模式分类方法的分类效果进行了比较,结果表明基于时-频特征图像的模式匹配方法更能有效的识别出设备部件的运行状态,在故障诊断中具有更明显的优势。此外,从定性诊断与定量诊断两者结合的角度上看,同步压缩小波变换具有更突出的作用。最后,本文研究了MATLAB GUI的具体实现方法,设计开发了一套旋转机械故障模式多特征匹配(分类)系统,集成了所研究的时-频分析、模式匹配方法以及时域分析、频域分析等方法。系统简单实用,能够实现旋转机械故障的自动分类。