以滚动轴承和车辆故障诊断仪器系统为研究背景，提出了几种集成智能故障诊断策略和从高频共振信号中提取故障特征的实用方法，并充分利用这些方法对滚动轴承和车辆的多种故障诊断进行了实验研究，证明了这些诊断方法的有效性。 第一章简述了选题意义，概述了故障诊断技术的发展、关键性问题及应用前景，综述了近年来国内外故障检测与诊断技术中故障特征提取方法与智能诊断技术的研究进展、存在问题及发展趋势。最后概述了论文的主要研究内容。 第二章详细论述了能量分离算法，以轴承故障诊断为例，从轴承的振动机理出发，建立了轴承振动信号的调频调幅模型，论证了能量分离算法用于高频共振信号包络分析的可行性，提出了用能量算子实现高频振动解调的实用方法，提高了滚动轴承故障诊断精度，满足了轴承生产线对质量监控的实时性和准确率要求。 第三章提出了一种自适应小波变换网络与自组织特征映射网络(Self-Organizing Feature Map Network-SOMN)集成的故障自动分类模型，该模型把小波的时频局部化优点与神经网络的自学习、非线性映射能力有机结合起来，把高维测量空间中的非平稳信号复杂信息映射到易于分类的二维空间，实现了轴承故障自动分类。 第四章以滚动轴承故障诊断为例，提出了时频域分析与模糊RBF神经网络集成诊断策略。通过时频域分析提取了有代表性的特征参数，构建了特征空间向量，既降低了网络的输入维数，提高了网络的学习效率，又保留了故障分类信息。实验测试结果表明，该方法能满足实时诊断要求，对轴承故障定位是有效的，为轴承故障实时智能化诊断提供了参考。 第五章分析了模糊推理诊断、规则推理诊断、基于实例的推理诊断以及模糊推理和规则推理相结合的故障诊断方法。这四种方法在处理多症状多原因的故障诊断问题上都存在缺陷。因此本章提出了以模糊神经网络代替模糊推理并与规则推理相结合的先进诊断策略，解决了因模糊合成算法的粗糙性使诊断成功率下降或诊断错误的问题，并给出了一个车辆故障诊断实例，验证了上述方法的正确性和有效性。 在附录F1中，简要介绍了研制的新型轴承故障诊断仪器系统。该系统除集成了现有轴承振动测量仪的所有功能外，还扩展了许多功能，在国内轴承行业属先进实用仪器。