如今,随着旋转机械设备越来越复杂化,对其运行状态的实时在线监测具有重要的现实意义。从旋转机械的故障振动信号中提取出能够表征其运行状态的特征信息是故障诊断的关键,信号分析和处理技术是提取旋转机械故障特征信息的常用方法。由于大多数机械故障振动信号具有非线性、非平稳和低信噪比的特点,而时频分析方法能够同时提供非平稳信号的时域和频域信息,具有较强的局部描述能力,因而非常适合处理旋转机械设备的故障振动信号。但是,常用的时频分析方法,如窗口傅里叶变换(Windowed Fourier transform,WFT)、Wigner 分布(Wigner distribution,WD)、小波变换(Wavelet transform,WT)、希尔伯特黄变换(Hilbert-Huang transform,HHT)、局部均值分解(Local mean decomposition,LMD)等都有各自的局限性。因此继续探索新的机械故障振动信号的分析和处理技术是非常有必要的。近来,一种新的自适应的时频分析方法局部波动特征分解(Localoscillatory-characteristic decomposition,LOD)被提出之后,由于其具有高效的运算速度,已经被成功的应用在旋转机械的故障诊断中,本文基于此方法提出了一种新的自适应的时频分析方法,基于有理样条函数的局部波动特征分解方法(Rational spline-Local oscillatory-characteristic decomposition,RS-LOD),并对 RS-LOD 方法进行了深入的研究,本文的主要研究内容如下:(1)提出了基于有理样条函数的局部波动特征分解方法,由于该方法可以将多分量的非线性非平稳信号分解为平滑的单分量信号,从而解决了原LOD分解得到的单一波动分量缺乏光滑性失真的问题。并将RS-LOD方法与Hilbert解调方法相结合有效地提取出了旋转机械的故障特征信息。(2)针对单分量信号解调方法经验包络法(empiricalenvelope,EE)会出现过包络和欠包络的问题,提出了改进的经验包络法(improved empirical envelope,IEE),并与Hilbert解调法和Teager能量算子解调法进行了对比分析。同时,结合RS-LOD方法和IEE解调方法有效地提取出了旋转机械的故障特征信息。(3)针对滚动轴承早期微弱故障易受到背景噪声及其安装制造误差的干扰而难以提取的问题,提出了基于RS-LOD和加权导数动态时间规整(Weighted derivative dynamic time warping,WDDTW)的时频分析方法,并通过对美国凯斯西储大学轴承数据中心的滚动轴承振动故障信号的分析验证了该方法的有效性。