水泥回转窑是水泥生产线上重要的化工设备，回转窑保持连续、稳定的运行是提高水泥企业生产效率的重要途径。目前针对回转窑建立的中控系统只提供了其化学反应过程中工艺参数的在线监测与故障诊断，对于同样影响着回转窑运行状态的托轮、减速机等机械设备的故障诊断，企业通常采用人工方式完成。一旦这些设备发生故障，企业就得采取临停抢修，承受较大的经济损失。论文来源于“新型干法水泥生产线关键部件在线监测与故障诊断技术”中的故障诊断技术模块，希望通过对机械设备状态的识别以实现故障的早期发现，故障原因的快速判定，避免故障扩大和引起继发故障，为设备的智能维护提供决策依据。振动信号分析技术是目前获取旋转类机械设备故障信息的主要方法，旋转类机械设备振动信号具有的非平稳特点使得使用传统分析方法如傅里叶变换、小波变换所得结果的物理含义并不明确。希尔伯特-黄变换将信号分解为本征模态函数，由此使得瞬时频率具有了物理含义，这种特点使得其成为对非平稳信号进行分析的有利工具。希尔伯特-黄变换由经验模态分解和希尔伯特谱分析组成，经验模态分解是希尔伯特-黄分析的核心内容，论文就经验模态分解的自适应滤波特性做了详细的分析，并将希尔伯特谱和小波谱所能获得的时频分辨率做了对比讨论。支持向量机以统计理论为数学基础，具有适合于小样本分类的特点，更大的泛化能力使得其避免了过拟合现象的发生。模型选择是支持向量机训练的重要一步，论文对网格寻优和交叉验证做了分析。输入到支持向量机中的特征向量对其分类能力具有很大的影响。矩阵的奇异值分解所获得的奇异值是矩阵本质特征的描述，论文使用希尔伯特谱分解后获得的奇异值作为特征向量，完成支持向量机的训练，并对奇异值分解对希尔伯特谱的内在特征的描述能力作了详细的分析。通过引入模式识别的方法，避免了故障诊断受到工程人员个人主观因素的影响，为故障诊断的自动化提供了保证。