轴承、齿轮等齿轮箱关键部件发生故障及其状态变化都将导致机械系统表面采集的振动信号表现为非平稳、非线性的特点,且不同部件的动力学特征差异性也会增加振动信号的复杂度,因此研究先进的非平稳信号分析技术以提取设备状态信息成为故障诊断的关键。本文为了满足轴承、齿轮等关键部件的诊断需求,以解决轴承微弱故障信息识别,齿轮损伤识别及其状态监测,无转速计参照下转速强烈变化的齿轮箱故障信息识别的三类技术难题为目标,深入地开展非平稳信号分析方法及诊断技术研究。论文主要工作如下:(1)为了克服经验模式分解等类似信号分解方法在定位轴承故障信息频带时存在偏差等问题,将新的经验小波变换方法引入了轴承故障诊断领域,且通过分析其基本理论和轴承信号的特性,选取了一种更适合于定位轴承故障信息的频带划分方法。结合新的经验小波变换的自适应分解特点和抑制共振频带内噪声的要求,提出了一种以经验小波变换为核心的轴承故障诊断方法。仿真信号和两个试验案例验证了提出方法的有效性、精确性及相应理论分析的正确性。(2)针对轴承故障信号可能包含多个故障信息频带的特点,为了提升轴承故障诊断的全面性,将变分模式分解方法引入了轴承故障诊断领域,且详细地分析了变分模式分解方法与轴承故障信号之间的联系,并讨论了其使用参数对分解结果的影响。基于变分模式分解方法和有良好提纯能力的多分辨能量算子提出了一种多共振模态分量识别的轴承故障诊断方法。仿真与试验信号分析结果表明提出方法具有全面提取故障信息的能力,且优于谱峭度等常用诊断方法。(3)为了解决相近模式的齿轮损伤故障难以识别的问题,探讨了一种非性信号分析方法-去趋势波动分析方法(Detrend Fluctuation Analysis,DFA)。以频率分布的角度,结合齿轮振动模型、叠加原理以及信号预处理技术等详细地分析了DFA方法分析振动信号出现多标度特性的原因。基于多特性分析结果提出了更多的、具有物理意义的特征参数。齿轮损伤振动信号验证了提出的特征参数的不同组合可以很好地表示不同齿轮箱状态,而且敏感指数表明提出的一些特征参数相比已有的一些特征参数具有更好的分类能力。(4)鉴于DFA方法分析振动信号得到的尺度波动函数曲线形态复杂,以多标度特性原理为指导,基于一种局部最优标度区间识别技术建立了简化标度指数识别的特征提取技术,以及引入极值增量预处理技术建立了简化标度区间形态的特征提取技术。齿轮箱试验数据分析结果表明建立的两种简化标度方法相比原始DFA分别在计算效率以及特征参数的识别能力等方面有了很大的提高。(5)为实现无转速计辅助情形下转速大波动齿轮箱故障诊断,分析了现有代价函数识别目标脊线的特性。基于有效脊线具有平滑特性而失效脊线出现突变的特点,提出了一种融合理论的脊线识别方法,并基于提出的脊线融合算法建立了转速大波动下齿轮箱故障诊断方法的基本框架。两组仿真信号与齿轮箱试验信号验证了提出的脊线识别方法的有效性。而且推导了行星轴承局部缺陷故障频率在频谱中的形式,利用识别脊线进行阶次分析成功地在阶次谱中识别出了行星轴承内圈故障特征频率。(6)为了从根本上解决代价函数识别形态复杂、微弱的脊线时出现失效的问题,分析了代价函数识别脊线失效的本质原因,并建立了新的脊线搜索框架以及定义了更具有物理意义的代价函数。基于一系列的改进措施提出了一种新的路径优化脊线识别方法,为实现无转速计辅助情形下变速机械设备健康状态监测与故障诊断提供了一种可靠的技术保障。不同信噪比仿真信号、变速运行齿轮箱振动信号以及实际工程中齿轮箱振动信号的分析结果表明提出的路径优化脊线识别方法的脊线跟踪能力十分优秀,而且与现有一些脊线识别方法相比具有一定的优势。