随着工业化程度不断升级与经济的飞速发展，众多产业对旋转机械的需求越来越大，例如在电力、冶金、航空、石油、化工等产业。通常在整个生产过程中旋转机械的作用无可替代，一旦出现故障将会造成的重大的经济损失，因此对其稳定性与可靠性的要求也越来越高，而通过故障诊断方法，预防旋转机械转子故障与确保旋转机械保持平稳与正常工作具有重要意义。在旋转机械故障诊断时，对于不同的故障对象，用来进行故障分析的特征量也会不同，因此选取一个合适的特征量在最后诊断结果的有效性上显得至关重要。本文就旋转机械转子的特点提出了基于振幅熵H(A)与功率谱重心C这两个特征属性的二维特征量(H(A),C)，并且运用小波去噪与聚类分析技术围绕这个二维特征量(H(A), C)选取的合适性进行了理论研究与实验验证。论文首先对旋转机械转子常见的故障（如转子不对中、转子不平衡、转子动静件碰摩、转子支承松动）的原因与故障时所体现的特征进行了详细介绍。其次，介绍了聚类分析中常使用到的聚类方法的现状及其适用情况，并就本文所使用到的网格聚类所涉及到的概念与基本原理进行了详述。第三，在熟悉小波分析技术的基本原理的基础上给出了小波去噪的具体方法。第四，阐述了计算一组数据的二维特征量(H(A),C)的理论依据与方法。最后，进行转子故障模拟实验，通过运用小波分析与聚类分析对样本数据的二维特征量(H(A),C)进行了分析，结果表明其能够较好的对转子出现的几种常见故障状态进行区分。