随着科学技术的不断进步,机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。转子是大型回转机械的必备部件,对他们进行状态监测及故障诊断意义重大,不仅可缩短维修时间、降低维修成本,还可提高诊断准确性和维修质量,创造可观经济效益。因此,转子的故障诊断技术研究得到了广泛的关注和重视,科技人员开展了大量的研究工作。传统信号的时域、频域分析方法为转子的故障诊断己经打下了坚实的基础,解决了很多的实际问题。但是为了进一步提高故障诊断的准确性和快速性,人们就要采用新的方法。随着各种新技术的产生,针对转子的故障诊断技术也有了新的发展,例如小波变换、希尔波特黄变换(HHT)等。本文以转子在各种状态下的信号为研究对象,分别利用小波分析和HHT对转子信号进行处理。针对小波变换后得到的大量故障图谱,很难靠人记忆和分辨,结合不变矩理论里的矩不变量,提出了基于小波分析和7个矩不变量的转子特征提取新方法。结果表明,该方法所提取的转子信号量化特征值系列,能够有效地区分出几种典型故障间的差别。针对Hilbert—Huang变换的端点问题,研究了改进算法。并将Hilbert—Huang变换应用于转子的故障诊断中;利用经验模态分解后的固有模态函数,按照信息熵的计算公式分别求出边际熵和奇异值熵,信息熵的大小反映了转子系统运行状态的差别,从而可以通过信息熵的大小判断转子系统的工作状态和故障类型。对实验数据的分析结果证明了该方法的有效性。研究结果表明小波分析和Hilbert—Huang变换对于转子故障信号处理具有很大的应用前景。