旋转机械作为工业领域中重要的动力传输设备,广泛的应用于航空航天、冶金制造、风力发电、铁路运输等国民经济生产的各个领域。滚动轴承和齿轮作为旋转机械的重要零部件,其健康状况可以影响机器的整体性能和可靠性,其失效不仅会影响机械设备的运行状态,严重时会导致人员伤亡。因此实现旋转机械关键部件的状态监测与故障诊断对保证整个运行系统的安全极为重要。在实际工程应用中,从旋转机械中获取的状态监测信号由于负载、转速变化,或机器启动与关闭过程中表现出强烈的非平稳特性,常用的基于时域或频域分析的故障诊断方法往往不再适用。时频分析方法是揭示非平稳信号动态变化的有效工具。因此,本文探讨了时频分析方法在变转速旋转机械故障诊断中的应用,同时针对时频分析噪声鲁棒性差和时频能量发散问题,提出了相应的改进方法。（1）提出了基于集合经验模态分解（Ensemble empirical mode decomposition,EEMD）与同步压缩变换技术（Synchrosqueezing transformation,SST）的变转速滚动轴承故障诊断方法。该方法首先通过集合经验模态分解把经过包络解调后的轴承故障信号分解成多个本征模态函数（Intrinsic mode function,IMF）,然后利用SST依次对IMF进行分析以获得每一个IMF的时频能量分布,并逐次叠加以获得故障轴承信号的总时频能量分布。实现了振动信号的降噪处理。（2）提出了一种用于分析非平稳信号,结合多次同步压缩（Multisynchrosqueezing transform,MSST）和脊线提取变换（Ridge extraction,RE）的分析方法。MSST以SST为基础,采用多次同步压缩操作将强变信号发散的时频能量逐步集中。然而,随着变换中压缩迭代次数的增加,信号中包含的噪声也会同时被压缩从而对分析信号产生干扰。为了解决这一问题,本章采用RE算法依次提取MSST时频结果中所含的各单分量信号,并将提取出的所有单分量时频分布进行叠加以获得去噪后的时频能量分布。（3）提出了一种结合多项式线性调频小波（Polynomial chirplet transform,PCT）-和多次同步压缩变换（PCT-MSST）的旋转机械故障诊断方法。PCT是一种处理非平稳信号常见的时频分析方法,它在短时傅里叶变换（Short time fourier transform,STFT）基础上,通过引入频率旋转算子和频率平移算子提高瞬时频率估计。但是通过PCT得到的时频结果能量聚集性较差。为实现旋转机械故障信号中的故障特征提取,本章在PCT的基础上,通过多次同步压缩算法对发散的时频能量进行压缩,从而进一步增强信号中的时频能量分布。（4）针对滚动轴承和行星齿轮箱故障诊断问题,基于Matlab App Designer开发了故障诊断系统,并通过分析故障实验信号验证该系统的实用性。