滚动轴承的健康状态对旋转机械的正常运行至关重要,然而复杂的工况和恶劣的工作环境不可避免会造成轴承故障,因此有必要对滚动轴承进行高效准确的故障诊断。本文围绕变转速故障轴承,探究其振动信号特性,基于分数阶傅里叶变换,从故障辨识和故障分类两个角度展开诊断方法研究,并利用仿真和实验来证明方法的可行性。主要内容如下:（1）考虑到恒定转速下的诊断方法难以运用在变转速轴承上,探究变转速轴承故障信号特性。针对定转速和变转速两种工况,构造轴承振动相应信号仿真模型,分析各自工况下轴承的故障特征和振动信号特性。对比说明二者之间的异同,以及变转速给信号带来的影响。根据变转速下轴承故障振动信号特性分析分数阶傅里叶变换在该种工况下的优势,介绍其基本理论,探究分数阶傅里叶变换对单分量线性调频仿真信号的作用效果。（2）从故障辨识角度提出一种基于优化分数阶滤波的变转速轴承故障辨识诊断方法。参考频带熵的思想,结合短时分数阶傅里叶变换提出分数阶频带熵,用以确定故障特征分量在相应分数域中的聚集位置。为了解决噪声及多分量干扰问题,提出一种全局/局部最小分数阶频带熵准则,帮助确定分数阶滤波的滤波中心。通过上述思想构造多个分数阶滤波器提取故障特征分量,利用计算阶次跟踪得到包络阶次谱,实现故障辨识。仿真和实验证明该方法能有效提取故障特征分量,与其他方法的对比也证明了该方法的优势。（3）从故障分类角度提出一种基于多尺度分数阶无量纲指标的变转速轴承故障分类诊断方法。基于分数阶傅里叶变换对时频域有效表示和多尺度分析对信息的有效挖掘,结合无量纲指标不受工作条件影响的优势,提出了一种新的多尺度分数阶无量纲指标特征,以构造原始高维特征集,再结合ReliefF算法进行特征选择,将所选择的敏感特征子集输入随机森林模型中进行分类。实验信号分析证明了该方法优秀的分类能力。四个不同方面的对比也进一步证明了该方法的优势。