本文将总体平均机械故障诊断(Ensemble Empirical Mode Decomposition，EEMD)引入到机械故障诊断领域，对EEMD分解的机械故障诊断方法进行了深入研究，并取得了创新成果，得到了一些有价值的结论。　　该论文本首先宏观上讨论了时频分析的发展现状及其国内外研究现状;提出现有的常用时频分析方法，并作了概括和归类。然后详细介绍了Hilbert=Huang变换的相关理论，利用正弦叠加信号，验证HHT能够将信号分解为单分量的本征模态函数(Intrinsic Mode Function，IMF)，并准确得到其时间-幅值-频率的分布。然后就经验模态分解(Empirical Mode Decomposition, EMD)的主要缺点即:模态混淆，并对这一缺点对EMD分解进行改进，将总体平均经验模态分解(EEMD)应用实际采集的轴承故障信号进行分析，表明EEMD分解对抑制模态混淆起到很好的效果。　　然后提出EEMD方法和其他方法的结合，包括基于EEMD熵阈值的增强型共振解调方法，基于EEMD熵阈值的增强型倒频谱故障诊断方法，基于MEEMD的滚动轴承故障诊断方法。通过仿真信号和实际信号分别验证各方法的适用性。