本文旨在比较各种时频分析方法在齿轮和滚动轴承故障特征提取中的效果,找出适宜的特征提取方法。为此,建立了齿轮箱故障实验装置,模拟了不同的齿轮故障和滚动轴承故障,介绍了齿轮和滚动轴承特征频率的分布特点和计算方法。文中首先通过时域和频域指标对正常与故障信号进行比较。再通过包络解调分析和倒频谱分析对故障信号进行特征提取,通过分析得出包络谱利用希尔波特变换能将与故障有关的信号从高频调制信号中提取出来,从而避免了与其它低频信号干扰的混淆,对调制信号的解调具有较好的效果。倒频谱通过傅立叶变换能使原来谱图上成族的边频谱线简化为倒频谱上的单根谱线,从而使频谱中的复杂周期成分变得清晰易辨。对于分析具有多成分边频的复杂信号,能够找出功率谱上不易发现的问题,具有较好的效果。在实际工程应用中,大量的信号都是非平稳和非线性的随机信号。本论文所研究的齿轮箱在故障状态下所产生的信号是非平稳的随机信号,针对齿轮箱在工作过程中易出现的断齿故障,在转速、负载、测点位置变化的情况下,利用短时傅立叶变换、Choi—Williams分布分别对上述信号进行了特征提取。比较了各种因素影响下的效果,得到上述方法对于提取齿轮故障的特征信息虽然直观,但是效果并不理想。本文又选用断齿、齿面磨损、滚动轴承外圈和内圈划痕故障信号,分别利用小波变换和EMD方法分解进行分解,再通过包络谱和边际谱进行特征提取,将两者的效果进行比较。得出对于齿轮故障,利用小波分解以后作包络谱进行特征提取得到了较好的效果,利用EMD分解以后作边际谱效果没有前者的好。但是对于滚动轴承的内圈和外圈划痕故障,利用上述的两种方法进行特征提取,效果都不理想。针对Wigner分布对多分量信号存在交叉项的问题,利用基于EMD的Wigner分布方法对数字仿真振动信号进行验证,得到此方法对交叉项的抑制效果很好。同时利用基于局部Hilbert边际谱的方法对滚动轴承内圈和外圈划痕故障信号进行特征提取,达到比较好的效果。