特征提取是故障诊断与识别的关键。为提取信号中隐藏的故障特征,本文研究了基于频率切片小波变换的信号特征提取方法和技术。通过实验分析了傅里叶变换、短时傅里叶变换、Wigner-Ville分布、连续小波变换以及S变换等常用时频分析方法的不足,在此基础上系统研究了频率切片小波变换及其逆变换,实验分析了尺度因子和频率切片函数的选取方法。实验表明该方法克服了传统时频分析方法的不足,不但能够控制信号的时频分辨率,而且可以对任意频带进行提取和重构分析。针对松动故障的特征提取,提出基于频率切片小波变换的故障诊断方法。该方法以频率切片小波变换为中心,通过对信号特征提取、重构和分析,实现对设备故障的诊断。首先在信号的时频分布图中,选取特征较为明显的频带为目标区域进行提取、重构、分析和综合,获得有效的故障特征。在发电机机组和风机机组等应用中,这种方法取得了较好的效果。为了更好地提取信号的主要成分,分析了主分量分析法和奇异值分解法的提取原理,通过数值实验对两者的处理效果进行对比。实验表明奇异值分解法能更有效地提取信号的主要分量,同时具有更高的信噪比。提出了基于预处理和优选频带的时频分析方法。以奇异值分解法作为预处理方法提取信号中的主要分量,通过信号的谱峭度图寻找设备故障信号和隐藏在其中的冲击信号,将最优化滤波频带对应的频带作为目标区域进行重构分析。将该方法应用于化工厂的设备故障诊断中,有效地提取出信号中表征松动故障的特征。