故障诊断是随着机器工业大生产的发展而逐步发展形成的。特别是进入二十世纪六十年代后，随着传感器技术、测试技术、计算机技术和信号分析的迅猛发展，故障诊断呈现出新的面貌，并显示出强盛的生命力。它已经发展成为一门综合性边沿学科，融合数学、物理、化学、力学、声学、光学和计算机科学、信息工程的综合性技术。它既与科学技术紧密相关，又与生产实践密切相关。 信号处理技术始终是进行故障诊断的核心，特别是现代数字信号处理技术的出现和发展，使故障诊断步入了新的春天。在实际应用中，几乎所有的信号都是非平稳的(如声音，海浪波，地震波等)，对这类信号进行准确地分析和处理，无疑是故障诊断成功与否的关键所在。本论文首先分析了基于传统Fourier变换基础上，目前应用较多的非平稳信号分析方法——谱图法、时频分析、Wigner-Vill分布和小波变换，通过分析比较指出这些方法的优点及其不足。 1998年，美籍华人N.E.Huang等人提出的一种新的信号处理方法——经验模态分解方法(Empirical Mode Decomposition)，简称EMD方法。该方法从本质上讲是对一个信号进行平稳化处理，其结果是将信号中真实存在的不同尺度波动或趋势逐级分解开来，产生一系列具有不同特征尺度的数据序列。每一个序列称为一个本征模函数(Intrinsic Mode Function)，简称IMF分量。EMD分析方法是基于数据的局部特征尺度的，而不是其它既定函数(如Fourier变换中的正余弦函数)，因而EMD方法既可以适用于平稳信号，又能运用于非平稳信号。 本论文探讨了利用EMD分析方法以及其对应的Hilbert变换，进行非平稳信号分析的算法和应用。通过实例比较分析了EMD方法在处理的非平稳数据序列方面的优越性，同时也针对EMD方法本身存在的边缘效应问题提出了两种改进措施——对称延拓和镜像延拓。实例分析表明：这两种改进方法是简单易行，而且对边缘效应问题有明显的改善。最后，论文构建了故障诊断信号分析系统。此系统采用工程软件MATLAB作为平台，将各种不同的信号分析处理融合在一起，既有针对平稳信号分析的Fourier分析、功率谱分析和相关分析，又有针对非平稳信号分析的STFT、Wigner分析、小波分析和EMD分析。该系统采用可视化界面，简洁明了，学习和使用方便。