滚动轴承是旋转机械中最重要的也是最容易损坏的零部件之一,在对滚动轴承进行故障诊断时,所采集到的振动信号中往往都会伴随着大量的背景噪声,为了从复杂的原始信号中提取出有用信号的故障特征信息,传统的微弱信号检测方法是通过抑制或滤除噪声来达到增大信噪比的效果,但是这一类方法在去除噪声的同时不可避免地会损失一部分有用信号的能量,而且当噪声强度很大的时候,有用信号仍然会淹没在强噪声中无法被检测到,与传统的检测方法不同,基于随机共振的微弱信号检测方法则是利用噪声来增强有用信号的能量,进而实现微弱信号的检测,本文基于杜芬随机共振系统（Duffing Stochastic Resonance System,DSRS）展开研究,论文的内容主要分为三个部分:1)基于DSRS微弱信号检测的基本理论研究;2)自适应DSRS的研究;3)DSRS的结构优化与耦合方式的研究。本文的第一部分以布朗粒子为研究对象,首先对DSRS的理论模型进行了推导,然后以正弦信号为输入,结合克莱默斯逃逸速率对两种随机共振现象的产生机理进行了分析,接着通过函数图解法的思路对DSRS的动态输出展开了推理,最后结合绝热近似等理论说明了DSRS在实际应用中的小参数限制条件,并阐述了突破这些限制条件的大参数信号检测方法。本文的第二部分针对DSRS参数的选取问题,将其与优化算法进行结合并形成了自适应的DSRS,自适应DSRS的研究主要包括优化算法的研究和适应度函数的构造这两个方面的内容,针对第一个方面的内容,本文研究了遗传算法、蚁群算法、线性递减惯性权重的粒子群优化算法,并且提出了多尺度惯性权重的简化粒子群优化算法（Simplified Particle Swarm Optimization with Multiscale Inertia Weight,MIW-SPSO）,然后与DSRS进行结合构建了四个自适应的DSRS,通过对滚动轴承外圈故障仿真信号的检测结果对比得出,MIW-SPSO的稳定性最好、寻优精度最高、收敛速度最快。针对第二个方面的内容,本文研究了信噪比、加权峭度指标、符号序列信息熵三个系统输出的测度指标,将测度指标分别映射成为MIW-SPSO的适应度函数之后,对滚动轴承滚动体故障仿真信号进行了检测,结果证明信噪比不仅对优化算法的引导性更好,而且自身的稳定性和对于系统输出的敏感性也更高。最后,本文提出了一种以信噪比为适应度函数的基于MIW-SPSO优化DSRS的微弱信号检测方法,并以高速重载和低速轻载两种极端工况下的高铁轴箱轴承为研究对象,通过对外圈和滚动体复合故障的诊断对所提方法的有效性和可靠性进行了验证。本文的第三部分针对DSRS输出的饱和现象,在对传统势函数的结构进行优化之后提出了三个新的势函数,并构建了三个非饱和DSRS,对正弦信号的检测结果证明了三个新的势函数都具备改善系统输出饱和现象的能力,而且通过对比三个非饱和DSRS输出的幅值与势函数中张角系数的关系曲线得到了抗饱和性能最佳的非饱和DSRS,同时,本文研究了非对称的DSRS,发现非对称势函数能从结构优化的另一个角度达到提高系统输出幅值的目的。针对单一DSRS的局限性,本文还对非饱和DSRS与非对称DSRS之间的耦合方式进行了研究,对正弦信号的检测结果证明,当非饱和DSRS作为被控系统时,将其与非对称DSRS进行非线性耦合能进一步提高系统输出的幅值,当非对称DSRS作为被控系统时,将其与非饱和DSRS进行线性耦合和非线性耦合都可以进一步提高系统输出的幅值,而且,采用非饱和DSRS作为被控系统时的非线性耦合方式能够得到最佳的输出效果,于是,本文提出了一种基于MIW-SPSO优化非线性耦合的非饱和非对称DSRS的微弱信号检测方法,并分别通过对高速重载下高铁轴箱轴承振动信号和声发射信号的分析验证了所提方法的有效性与优越性。