故障诊断是研究设备运行状态信息的变化，进而识别设备运行状态的科学。在故障诊断中，故障特征信息的提取是其研究的瓶颈，而信号处理技术是提取故障特征信息的核心。在实际应用中，大量的信号都是非平稳和非线性的随机信号。目前对非平稳信号处理的主要技术有：双线性时频分析、自适应匹配投影塔形分解法和小波变换，但这些方法都存在一定的缺陷。1998年，美籍华人N.Huang等人提出了一种新的处理非线性、非平稳的数据处理方法——经研模态方法。该方法是一种新型时频分析方法，能将复杂信号经经研模态分界为有限个本证模函数，再对所得的本证模函数分量进行希尔比特变换，从而赋予故障特征合理的物理意义。 首先，论文阐述了本证模函数的基本概念，研究了经研模态的分节原理与算法，分析了H-HT谱的物理意义，并对经研模态分界中应注意的问题进行了分析研究。 其次，在分析经研模态原理的基础上分析了影响经研模态分解精度的原因，并对经研模态算法进行了优化。针对由于所分析信号的长度有限，信号的两端点不能确定是极值，因此，在进行样条插值时，必然使得信号的上下包络现在信号的两端附近严重扭曲，给出用分段幂函数插值算法代替样条插值算法的方法；对于采样频率过低的原因，利用内插值式插值方法来增加信号采样频率的方法进行优化，采用理论分析和仿真试验相结合验证上述方法在提高经验模态分界精度方面的有效性。 最后，将改进后的经研模态时频分析方法应用于信号瞬态振动特征提取以及信号的趋势提取领域，验证了此时频分析方法的有效性以及反映信号局部时频特征的独特优点。