机械设备故障诊断技术是一门综合性技术,但是从本质上来讲它是一个机器运行状态的模式识别问题。在故障诊断中最为重要、最为关键也最为困难的就是特征的提取,从某种角度来说特征提取的好环关系到故障诊断的成败,所以研究信号的特征提取对于设备故障诊断具有非常重要的意义。基于实际工程的需要,本文以局域波技术为基础,研究其在非平稳振动信号特征提取中的应用。局域波在对非平稳信号的分析较之其它方法有很大的优越性,但是其时频谱的二维等高线图会由于谱线的零乱而影响分析的效果,三维表示方法也容易受到观察视角的影响,并且它的识别主要是依靠专家的经验知识,这在很大程度上限制了其工程应用。针对以上几点不足,本文探讨了使用Hilbert时频谱能量重心法对信号进行特征提取的方法,以实现对时频谱的量化分析,并用实验验证了该方法的可行性。分别在10Hz、15Hz、20Hz以及25Hz的条件下进行实验,首先采集轴承在正常状态、内环故障状态及外环故障状态下运行时的数据进行处理和分析,其次计算其Hilbert时频谱的能量重心,最后运用支持向量机这一智能识别方法进行分类和识别。从实验结果来看,分类的正确率是很高的,从而验证了该方法的正确性以及Hilbert时频谱能量重心这一特征提取的合理性。同时通过与提取的两个时域指标的分类结果进行对比,进一步说明了该方法的可靠性。为了能与实际工程相结合,本文以LabVIEW这一图形化编程语言为开发平台,并结合Hilbert时频谱能量重心法开发出了一套故障诊断与识别系统来对设备的故障进行识别和分类,从而为机械设备的故障诊断提供一种新的思路。