旋转机械广泛应用于汽车、航空、电力、石化、冶金、制造等领域，是现代工业、农业、科技的关键设备。为保证旋转机械安全、稳定、高效运转，有效避免发生严重故障或事故，有必要开展旋转机械状态监测和故障诊断理论方法研究。在汽车领域中，常见的旋转机械主要有发动机、变速箱、电动机（电动汽车新型驱动源：轮毂电机）等。这些设备长时间在变载荷和变转速工况下工作，控制参数变化无常，外界干扰因素众多，增加了状态监测和故障诊断的难度。为了提升电动汽车行驶安全性、推动轮式驱动系统的市场应用，本文以轮毂电机为研究对象，以其转速信号为研究重点，借鉴传统阶次分析法对时域非平稳信号的处理方式，研究旋转机械输出转速，提取转速信号中由故障引起的非正常波动成分，识别故障类型及程度。　　首先，分析传统阶次分析法的原理，针对其局限性提出一种新的阶次分析方法——阶次自分离方法，确立了基于阶次自分离方法的转速故障信号分离步骤。　　其次，基于含有单正弦、多正弦故障的仿真信号验证阶次自分离算法的可行性，并以轮毂电机作为一种特殊的旋转机械，通过MatlabSimulink建立轮毂电机正常状态和漏电故障状态的模型，获取轮毂电机在正常状态和漏电故障状态下的转速仿真信号，并对得到的转速仿真信号进行阶次自分离分析，提取轮毂电机漏电故障状态下转速故障信号。　　再次，设计了轮毂电机故障试验台，人为设置不同程度的漏电故障，获取轮毂电机在正常状态和不同程度漏电故障状态下的真实转速信号，进一步验证阶次自分离方法对轮毂电机转速故障信号分离的有效性。　　最后，针对轮毂电机不同程度漏电故障状态下转速故障信号的阶次信息，研究表征转速故障信号的阶次特征，分析转速故障信号的阶次特征与漏电故障程度的映射关系。　　结合仿真和试验研究，表明本文所提出的阶次自分离方法可利用旋转机械的转速信号对蕴含在转速信号中因故障而引起的非正常波动成分进行分离，并依据转速故障信号的阶次谱获取故障特征，实现对旋转机械故障的类型及程度的识别和判断，进一步拓宽了传统阶次分析法的适用范围。