随着现代工业的快速发展，对设备的安全稳定运行要求越来越高，故障诊断技术得到了广泛的应用，而与此同时，传统的诊断技术已经很难适应工业生产的需要。正是在这样的背景下，本文将时频分析的新方法——小波分析(Wavelet Analysis)应用于旋转机械故障诊断当中。 由于机器运行中存在大量的非平稳信号，而传统的时域和频域分析方法在处理非平稳信号时有很大的局限性，小波变换则从基函数角度出发，吸取傅里叶变换中的三角基(进行频率分析)与短时傅里叶变换中的时移窗函数的特点，形成振荡的、衰减的基函数。从而以其多尺度和时频特性而成为处理非平稳信号的重要工具，并被誉为“数学显微镜”。 本文首先阐述了研究背景，故障诊断技术的发展及其国内外发展现状。然后本文对旋转机械的常见故障及其机理做了简要的介绍，从而明确了旋转机械故障诊断所需要的依据及诊断方法。在第三章，本文对整个系统进行了总体的设计，并对各个模块做了简要的介绍，同时，比较了传统的故障诊断方法和小波分析方法，分析了在旋转机械故障诊断中引入小波分析的必要性。最后两章分别详细地介绍了系统中的两个核心模块的设计与实现。实践表明，该方法提高了故障诊断的准确性，取得了良好效果。同时，小波分析的结果还可以为以后的专家系统，智能诊断提供数据。 本课题的研究背景源于某石化公司的关键设备——烟汽轮机状态监测需要提出的。为确保该机组不发生故障，减少不必要的维修与停机，提高自动化及自适应能力，提出了采用计算机实时监测与故障诊断。为了使所开发的产品具有一定的适应性，本文针对普通旋转机械进行了全面研究。同时，在应用中采用了先进传感器和测量模块，保证了系统的通用性和可靠性。