滚动轴承被誉为“工业关节”,是旋转机械设备最重要的组成部件。变转速工况下滚动轴承在运行过程中出现故障将产生明显的非平稳响应,同时考虑到传递路径引起的调制效应和各调制源的耦合作用,进一步增加了信号的复杂性。因此,近年来针对变转速工况下如何从滚动轴承振动信号中提取有效的故障特征信息已成为研究热点之一。本文以变工况旋转机械设备中的滚动轴承为研究对象,针对变转速情况下受转速和高脉冲噪声的影响故障激起的共振带难以识别、复合故障情况由不同部件激起的多共振带区域难以提取的问题。对基于谱峭度类和基于循环平稳指标的经典解调频带选择方法相关理论进行了研究并提出了相关的优化算法。论文的主要工作如下:（1）研究分析了计算阶次跟踪技术（Computed Order Tracking,COT）,利用其角域重采样时刻的计算方式建立了滚动轴承不同部件对应的故障振动信号模型,同时通过分析故障信号在时域、频域、时频域和阶次域的特性表现阐述了滚动轴承故障诊断技术基础,并通过仿真验证了共振频率并不会因为转速的变化发生改变且在滚动轴承激起的共振频带附近的窄带信号往往包含更多的故障信息。（2）针对转速波动和高脉冲噪声对谱峭度类指标产生的负面影响,系统分析了典型最优解调频带识别方法的主要框架,包括特征频面的构建、特征指标的原理和意义。针对变转速工况下谱峭度类指标随故障脉冲的重复率增加,谱峭度值变低的缺陷,提出了无偏自相关角域峭度指标并通过仿真实验证明该指标对转速变化不敏感。其次,通过证明谱峭度类指标与循环平稳指标之间的关系,阐明了在高脉冲噪声干扰下谱峭度类指标和循环平稳指标产生突高的原因,提出了一种新的指标—对数包络阶次循环分量（Log-Envelope Order Cyclic,LEOC）并构造了一种对数包络阶次循环分量图（LogEnvelope Order Cycligram,LEOCgram）,最后通过仿真信号验证所提方法在变转速工况下滚动轴承的解调频带识别的有效性,并且该方法不会受高脉冲噪声影响。（3）针对了使用固定频带划分方式构造特征频面使得包含故障信息的频带不能均分的落在固定结构中导致包络解调失效的问题,充分利用功率谱频率成分的波动特性和频带内能量分布,提出了新的尺度参数更新机制加快经验小波变换（Empirical Wavelet Transform,EWT）的尺度空间生成速度,并通过改变计算功率谱的窗宽长度提高频带边界分割的精度;针对变转速工况下滚动轴承发生复合故障激起的共振带区域不一定相同的问题,引入轴承给定部件存在故障的概率将包络谱转化为一个标量指示器并构造了一种新的最优解调方法—PEWTgram,并提出利用非参数检验的方式识别出各个故障产生的解调频带。通过仿真信号分析,证明了所提方法的能快速识别出变转速工况下由各个故障部位激起的共振带并成功提取出滚动轴承复合故障特征信息。（4）提出各解调频带识别方法在变转速下滚动轴承故障的诊断中的应用方式,研究了变转速工况下外圈、内圈、外圈与内圈复合故障的滚动轴承故障信号、存在高脉冲干扰下的外圈故障滚动轴承信号以及加速寿命实验滚动轴承信号的分析和故障信息提取。实验结果表明,LEOCgram方法和PEWTgram方法在存在高脉冲情况下让能够有效的识别到正确的解调频带,且PEWTgram方法可以定位到由不同故障激起的不同共振带。通过对滚动轴承加速寿命退化实验数据分析可以得出,基于PEWTgram方法的滚动轴承故障诊断方法可以监测到滚动轴承的早期故障。