全矢谱分析技术是矢量谱分析及其一系列扩展分析方法的统称，它在融合了双通道数据信息的同时，又保留了相应传统谱分析的物理意义。针对目前旋转机械故障智能诊断中普遍存在信息源不足的问题，本文将全矢谱分析引入到智能诊断中，提出了基于全信息的旋转机械故障智能诊断方法。主要工作如下： 1．本文论述了矢量谱分析，着重介绍了矢功率谱分析和矢Wigner-Ville分布，给出了相应定义和数值计算，并进行了实验研究，实验结果验证了全矢谱分析方法明显优于相应的传统频谱分析。 2．径向基函数网络具有良好的推广能力和分类能力。本文论述了径向基函数网络的模型、训练过程和网络性能，结合全矢谱分析方法和径向基函数网络，提出了一种新的故障识别方法。该方法分别以矢功率谱、矢Wigner-Ville分布为特征向量，径向基函数网络为分类器。并以转子裂纹、转子不对中、油膜涡动为例进行实验研究，实验结果表明，该方法是有效的。 3．模糊聚类分析是一种简单、直观、有效的模式识别方法。在其众多算法中，模糊C均值(FCM)聚类算法理论最为完善。本文论述并分析了FCM的具体算法，提出了全矢谱-FCM智能诊断方法，并以矢功率谱和矢Wigner-Ville分布为例，研究了基于全矢谱分析的FCM模式识别方法，实验结果表明，该方法是可行和有效的。 4．在统计学习理论基础上发展的通用学习方法一支持向量机(SupportVectorMachine--SVM)能够较好地解决实际中的小样本学习问题。基于此，本文深入研究了基于矢功率谱特征提取的SVM智能诊断方法，并应用到旋转机械故障诊断中，实验结果表明，该方法是有效的，尤其在小样本情况下，SVM识别效果并不受到影响。 5．基于免疫学原理建立的人工免疫系统(AlS)是近年来兴起的一种新的智能方法，它具有强大的信息处理和问题求解能力以及广阔的研究前景和应用潜力。本文概述了人工免疫系统模型和算法，着重论述了aiNet网络的定义、算法和特点，并进行了算法的改进。在此基础上，结合全矢谱分析技术和AIS，提出了一种新的机械故障智能诊断方法，它以全矢谱分析为特征提取工具，以aiNet网络为数据压缩工具，以支持向量机为分类器。该方法成功地应用到旋转机械故障诊断中，实验结果表明，该方法是可行和有效的。