机械设备故障诊断技术对于保证设备的安全、可靠、高效运行具有重要的理论意义和应用价值。由于振动参数通过测试容易获取,因此,基于振动信号处理和故障特征提取既是机械设备状态判断和故障诊断技术中最常用和实用的方法,也是最为有效的方法。机械设备通常的状态识别和故障诊断是分别针对振动信号的时域或频域处理。但将时域和频域结合的振动信号分析和处理是现代信号分析最新方法,在处理信号尤其是针对非平稳、非线性信号有其独到之处。本文首先介绍了常用的机械故障诊断的时频分析方法,研究了一种新的时频分析方法-Hilbert-Huang变换(HHT),针对其自身算法产生的端点效应和虚假分量等不足,提出了改进的方法—端点延拓和改变采样率的方法,以及HHT和相关分析结合的方法,来去掉虚假分量,达到降噪的目的。通过仿真信号和应用实例分析,提高了信号的信噪比,验证了该方法的有效性。在验证实例中,论文先以一台现场轧机故障减速机齿轮箱为对象,并对采集的故障信号进行EMD分解得到固有模态函数(IMF)分量,然后对所有的固有模态函数进行Hilbert变换处理,得到的三维图和边际谱图中较为清晰地表达了故障信息,说明了该方法在工程应用上的适用性。论文然后应用基于希尔伯特黄变换和相关分析相结合的方法,对实测汽车发动机振动信号进行降噪处理。通过对经验模态分解得出若干固有模态函数(IMF)进行相关性预处理达到对信号降噪目的,然后对分离出的含噪模态分量进行Hilbert变换,得出的谱图可以有效地提取噪声信号的频率及幅值信息。