旋转设备的关键部件决定着设备的使用寿命,因此通过分析轴承或行星齿轮箱的运行状态就可以监测整个设备的工作状况。但在实际运行中设备的工况会发生改变,在变转速工况下采集到的信号呈现出非平稳的特性,采用传统的频域或时域分析方法不能同时获得信号时间与频率上的信息,时频分析方法是一种应用在变转速信号中的处理方法,论文对时频分析方法进行改进并应用到变转速下旋转机械故障诊断中,主要贡献如下:（1）针对二阶同步压缩变换（SST2）技术存在的时频能量发散问题,本文利用二阶同步压缩变换局部最大时频系数位置构建估计算子,将短时傅里叶变换的结果进行重排。结果表明,局部最大值估计算子能够有效增强二阶同步压缩变换时频分布的能量集中度,该方法不仅能更准确的获取非平稳信号中的时变信息,同时能得到能量更集中的时频分布,减少噪声对时频图的干扰。文章通过一组数值仿真信号验证了该方法的有效性,最后将提出的二阶局部最大值同步压缩变换（LMSST2）时频分析技术应用到了变转速下的轴承故障诊断中。（2）为了从多分量信号的时频结果中提取瞬时频率,首次提出了一种自适应多分量瞬时频率估计方法,并采用该方法提取出瞬时频率处的时频能量,抑制了噪声的干扰。该方法从短时傅里叶变换结果中逐条提取脊线成分,并恢复时域信号,通过计算每个重构时域信号的排列熵变化确定脊线提取算法的自适应终止条件。最后受同步提取变换技术（SET）的启发,本文提取了瞬时频率处的时频能量,在保留重要时频特征的同时减少了噪声干扰。使用一组模拟信号和两组实验故障信号验证了该算法的有效性。结果表明,所提出的技术可以从被噪声污染的多分量非稳态缺陷信号中准确识别出故障分量。（3）完成了Matlab平台下的旋转机械离线故障诊断软件设计、时频分析算法实现以及软件调试工作。采用轴承故障诊断试验台的故障振动数据验证了系统的有效性。