通过采集2种磨损程度不同的同类型刀具加工工件时机床主轴的振动信号，提出WPD—EMD和SVM故障诊断模型判断刀具磨损程度。首先利用小波包工具去除高频噪声信号，其次利用EMD分解得到若干个固有模态函数和一个残差，计算各个固有模态函数和EMD分解前信号的相关系数，合并相关系数大的固有模态函数得到新信号。计算新信号的绝对均值作为时域特征参数。选取若干组试验数据作为支持向量机训练集，建立判断刀具磨损程度大小的故障诊断模型。试验表明该故障模型预测刀具磨损程度准确率100％，为判断刀具实时加工工件的磨损程度提供新的途径。

为实现轴承故障混合信号中提取故障特征频率, 提出基于EEMD和ICA的轴承故障特征提取方法.首先利用EEMD对采集滚动轴承故障加速度振动信号进行分解, 利用相关系数和波形相似度判断具有分解前信号相似特征的IMF, 其次累加相似特征弱的IMF作为噪声, 最后利用FastICA方法从混合信号中提取滚动轴承的故障特征频率, 试验证明该方法可以提取滚动轴承故障特征频率.