轴承-转子系统故障诊断对于保障航空发动机的安全运行具有重要意义。利用采集到的振动信号的进行故障诊断,是目前最有效的途径,具有准确、方便、快捷等特点。本文以轴承-转子系统振动信号为主要研究对象,针对轴承-转子系统故障特征提取与故障类型识别问题,研究了基于小波变换、Hilbert-Huang变换、稀疏表示的故障特征提取技术,以及基于支持向量机的故障类型识别方法。主要研究内容包括以下几个方面:研究了基于小波变换的轴承-转子系统故障诊断方法。分析了相对小波能量和样本熵作为特征量的可行性。结合支持向量机进行故障分类实验,验证了小波变换和小波包变换对于轴承-转子系统故障诊断的有效性,并进一步分析了惩罚因子和核函数宽度对识别结果的影响,对分类器进行优化。在稀疏表示理论的框架下,提出了一种基于Laplace小波和OMP算法的轴承-转子系统故障诊断方法。Laplace小波与轴承故障信号冲击波形相似,而OMP算法结构简单,可行性强。利用Laplace小波相关滤波法构造字典,运用OMP算法重构信号,通过Hilbert变换获得包络谱,提取故障特征频率,利用支持向量机进行故障类型识别。仿真算例分析表明该方法具备对瞬态冲击成分产生时刻的辨识能力和对强噪声的抗干扰能力。实验算例分析表明该方法的特征提取效果优于小波包变换,并且取得了较高的识别率。针对OMP算法计算效率低的缺陷,提出了一种基于SWOMP算法的轴承-转子系统故障特征提取方法。SWOMP算法通过设定门限阈值,批量筛选原子,减少了迭代次数,同时门限阈值由弱选择策略确定,增强了其合理性。仿真算例分析表明:相较于传统的时频分析方法,该方法构造的时频图具有更高的时频分辨率;相较于其它贪婪算法,SWOMP算法计算速度更快,重构成功率更高,在信号复杂程度较高时,优势尤为明显。通过轴承-转子系统实验算例分析,验证了该方法对于轴承-转子系统故障特征提取的有效性。