Hilbert-Huang变换作为一种新的信号处理方法,可以有效的来提取信号特征信息,在旋转机械故障诊断方面有着广泛的应用前景。本文针对EMD所存在的端点问题进行了研究。根据信号两端的波形特征不可能是孤立存在的特点,充分考虑信号自身的变化趋势,提出了半波均值波形延拓方法。同时,针对暂态过程较短,故障瞬间发生,可获得数据较少的情况,本文介绍了一种基于LS-SVM回归的端点延拓方法。端点效应问题得到解决之后,利用Hilbert-Huang变换来对旋转机械故障特征信息进行提取,从而对故障类型进行分类和监测。对故障数据进行EMD分解之后,首先考虑采用基于能量的故障特征提取,把各个IMF分量的能量作为特征向量,并通过LS-SVM分类器来对故障类型进行分类。然而当IMF分量较多的情况下就会产生较多的特征向量,那么就会在分类时占用较多的时间不利于实现故障诊断的实时性,为此本文提出了基于差异度的信息分离方法。利用该方法来筛选出故障信息较为集中的IMF分量,然后再进行故障分类。本文的最后介绍了基于固有模态函数包络谱的故障特征提取方法。并通过该方法对来自旋转机械四种情况下的运行状态的实测信号进行分析研究,并准确的提取出了故障特征信息,精准的反映出了旋转机械的运行状态。本文研究结果表明,基于Hilbert-Huang变换和LS-SVM的旋转机械故障诊断方法能对旋转机械系统的运行状况做出良好的评定,准确判定故障类型,值得推广应用。