本文以滚动轴承和齿轮作为研究对象,分别从特征提取和模式识别两个方面开展相关研究。在特征提取方面研究了基于谱峭度指标的滤波器参数确定方法,构建了基于高阶累积量的匹配滤波器。提出了基于1.5维谱的特征提取方法,并与双通道数据融合方法相结合开展了复合故障诊断方法研究。模式识别方面将蛙跳算法应用于故障诊断领域,实现了轴承与齿轮典型故障的有效识别。具体研究内容如下：(1)针对滤波器参数选取缺乏理论依据的问题,通过快速峭度图逐层对原始信号进行滤波并计算每个滤波后子频带的谱峭度值,然后选取谱峭度值最大的频带进行滤波,实现了共振频带的提取,为滤波器参数的选取提供了理论基础。此外,通过迭代寻优的方式分别对中心频率与滤波带宽进行优化选取,以最小滤波带宽对信号进行精确滤波,实现信号特征的有效提取。(2)针对快速峭度图频带划分方式过于单一且易受信号中未知频率成分影响的问题,研究了基于谱峭度指标的匹配滤波器分析方法。通过计算原始信号最大特征值所对应特征向量的方式进行匹配滤波器的构建,并将三阶累积量用于匹配滤波器的改进。通过对同组故障轴承数据的对比分析验证了匹配滤波器的优越性。(3)研究了基于高阶累积量的故障特征提取方法。利用高阶累积量对高斯噪声不敏感的特性,对三阶累积量主对角切片进行一维傅里叶变换以求得1.5维谱,然后将双通道数据融合方法与1.5维谱相结合；实现了轴承单一故障和混合故障的判别。(4)将蛙跳算法应用到旋转机械故障诊断,选取多种时频域特征参数并构建了峭度谱熵,分别对齿轮和轴承典型故障信号进行分析,实现了典型故障的有效识别。