在工业生产过程中,机械设备一旦发生故障将导致重大经济损失,甚至会危害人身安全。作为一种二维信号处理方法,时频分析技术能够获取机械振动信号中时域和频域局部信息,然而,传统的时频分析方法受Heisenberg-Gabor不确定原理的限制,其信号的分析结果往往存在交叉干扰项、时频分辨率差等缺陷。为了弥补传统时频分析方法的不足,本文对时频分析后处理方法在机械故障诊断中的应用进行了研究,并取得了以下研究进展:1.针对连续小波变换（Continuous Wavelet Transform,CWT）时频谱模糊以及小波同步压缩变换在处理强调频信号时表现出的低时频分辨率的问题,提出了一种小波同步提取变换时频分析后处理方法。该方法在CWT的基础上,通过估计信号的二维瞬时频率,建立了一种频率同步提取算子来提取位于信号二维瞬时频率轨迹上的CWT系数,从而得到一个新的时频谱。由于该方法结合了CWT的多分辨分析能力以及提取变换技术,因此,可以分别提高非平稳信号中所包含的低频分量的频率分辨率和高频分量的时间分辨率,解决了CWT在分析强时变信号时产生的能量发散现象,有效地改善了其时频结果的能量聚集性。数值信号与转子碰磨故障诊断实例的分析验证了该方法的有效性。2.针对旋转机械故障振动信号包含噪声以及具有瞬时冲击性及周期性的特点,提出了一种基于幅值谱的二阶瞬态提取变换方法。该方法利用短时傅里叶变换（Short Time Fourier Transform,STFT）的幅值谱去估计非线性频变信号的二维群延迟,提出了一种新的二阶瞬态时间提取算子。由于该方法能够精确地计算二阶频变信号的群延迟并且仅仅提取位于二维群延迟轨迹上的STFT时频系数,因此,可以清晰地表征机械故障振动信号中群延迟变化规律,提高了时频分析结果的时间分辨率,改善了STFT时频谱的能量聚集性。通过分析数值信号及轴承实验产生的故障信号,验证了该方法的有效性。3.针对传统时频分析算法在处理机械故障振动信号中的强频变信号时,无法实现理想的时频分析效果的问题,在STFT的基础上,提出了一种局部最大值高阶时间迭代同步压缩变换时频分析后处理方法。首先,利用精确估计的高阶强频变信号的二维群延迟和多次迭代重排算法,将具有相同高阶二维群延迟的STFT时频系数压缩到二维群延迟轨迹上;其次,利用局部最大值方法与压缩后的时频谱构建一个新的时间重排算子,将压缩后的时频系数再次重排到一个新的时频平面。该方法能够提高强频变信号的时间分辨率和时频聚集性,并且可以表征含噪类冲击信号的群延迟变化特征。数值仿真信号验证了该方法的有效性。利用该方法对变速轴承实验的故障振动信号进行分析,实现了滚动轴承故障的有效识别。