在现代化生产中,机械设备的结构日趋复杂,一旦某个零部件出现故障,就容易引发链式反应,导致整个设备损坏,因此机械设备的故障诊断技术越来越受到重视。任何机械设备在动态下都会产生一定的振动,当设备发生异常或故障时,振动将会发生变化,一般表现为振幅加大,并表现出很强的非线性和非平稳性,这一特点使从振动信号中获取诊断信息,实现智能诊断变为可能。本文针对转子实验器的振动信号,进行了基于Hilbert谱图特征和野点检测的旋转机械故障智能诊断研究,主要工作如下:一、介绍了旋转机械故障诊断的背景和意义,并综述了旋转机械故障诊断的研究现状和发展概况,特别是对基于时频分析的旋转机械故障诊断方法进行了简要说明,经过几种方法的对比,表明了Hilbert-Huang变换在旋转机械故障诊断中的优越性。二、研究了Hilbert-Huang变换的基本理论,包括经验模态分解方法的原理、流程和特点,Hilbert变换原理及仿真信号的Hilbert谱计算,以及Hilbert-Huang变换中存在的问题和改进方法,通过对仿真信号的分析,表明了Hilbert-Huang方法对信号分解的有效性。三、利用ZT-3型转子故障模拟实验台采集转子故障信号,然后对信号进行Hilbert-Huang变换处理,得到了故障信号的Hilbert谱,并使用PCA方法进行故障信号Hilbert谱的特征提取。四、针对实际设备故障数据较少的现状,提出利用野点检测方法对Hilbert谱特征进行分类,并利用粒子群算法对野点检测模型参数进行优化,得到了模型的最优参数,并利用实验数据进行了分析和验证,表明了该方法的有效性。