多尺度思想是人们在对世界认识的不断加深的过程中逐渐产生和发展的,与单尺度的观点相比,多尺度方法更贴近人们认识事物的习惯,也更加符合事物的本质。本论文立足多尺度分析方法在旋转机械状态监测与故障诊断中的应用,以多尺度分析方法为主要研究内容,深入研究了四种典型的多尺度方法在旋转机械状态监测中的原理、方法和效果,并最后将它们引入高速列车轴承轨边声学诊断系统的研究中。研究包括： 根据旋转机械状态信号包含有特征频率及高频谐振的特征,将小波方差的能量特性引入到旋转机械状态信号的频谱特征提取中,提出了旋转机械

通过分析活塞销在不同配合间隙下的运行轨迹，针对活塞销敲击响产生缸盖振动信号的有序性和在频率成分上的差异性，并考虑到实验数据的有限性，提出了用香农熵选取小波包子信号的特征提取方法和支持向量机的故障诊断方法。将振动信号进行小波包分解并求出各子信号的香农熵， 根据香农熵的大小选取出合适的子信号进行分析研究，求出子信号的能量作为特征值，用支持向量机对活塞销不同程度的故障进行分类识别。诊断结果表明: 用香农熵选取小波包子信号结合支持向量机的方法能够对活塞销不同程度的故障进行分类识别。

针对电力故障信号为突变、非平稳信号的特点,利用消噪阈值法对故障信号进行预处理,通过小波变换对故障信号进行特征提取,然后将小波变换和信息熵相结合,并应用到故障检测与定位中,为奇异信号的检测提供了新思路和新手段。通过仿真分析,得到以下结论:小波能量熵WEE可以很好地检测故障突变点,小波能量熵随时间的变化规律,反映了电流或电压在时域的能量分布特征并表征信号的频率变化,可以用作分类所需的特征。