旋转机械故障诊断的研究对于减小经济损失具有重要的意义。随着科学技术的发展,国内外专家学者提出了各种各样的故障诊断新方法和新思路,并且在实际中也得到了具体的应用。然而在实际中如果为了获取旋转机械故障数据库而破坏机器那么将得不偿失。本论文对旋转机械的故障诊断做了深入研究和探讨:1)基于文献阅读的基础上,在Bently转子试验台上模拟了旋转机械的转子不平衡、不对中、碰摩和油膜涡动等四种故障状态,并获得了这些故障的振动位移信号,为小波分析提供输入数据。2)根据研究需要,总结了小波分析基本理论,包括小波分析技术的发展、连续小波分析、离散小波分析、多分辨率分析理论、Mallat算法和小波包分解算法,并应用小波分析技术对上述四种故障的振动位移信号进行分析。3)研究应用小波分析中的尺度与信号能量的关系来表征信号的特征向量,并选取合适的尺度来更好地确定向量的维数,得到基于尺度-能量模的特征向量。4)概括了数据挖掘的基本理论和实现过程,研究数据挖掘中神经网络算法、支持向量机和模糊聚类算法,并分别应用这三种算法对上述特征向量进行故障模式识别。5)详细地推导了支持向量机中求解最优分类超平面的过程。6)基于小波分析与数据挖掘用于旋转机械故障诊断的基础上,比较了这三种算法的优缺点。