航空轴承作为航空工业易损坏的重要零部件之一，其可靠性一直是学者们研究的重点。为了有效评估航空轴承的实时性能，轴承的缺陷检测系统就显得非常重要；针对传统的轴承缺陷分析方法不能处理复杂振动信号这一现状，本文引入小波分析法，从而克服了传统分析方法的缺点，并能够有效地完成非平稳信号的分析；此外，本文还提出了基于小波分析的能量特征向量提取方法，最终实现了航空滚动轴承缺陷的有效分析。本文针对航空器材工作环境极为恶劣这一特点，分析了航空轴承所要达到的使用要求，研究了航空滚动轴承在出厂使用前最易造成的几类典型缺陷及其基本特征；研究正常和缺陷滚动轴承振动信号的频率特征，获得了滚动轴承几类典型缺陷振动的理论模型以及各种缺陷条件下振动信号的特点，从而为滚动轴承缺陷识别提供了理论依据。针对航空滚动轴承系统所具有的非线性特性以及振动信号的非平稳特性，通过研究小波原理及其降噪算法,完成了对滚动轴承仿真信号的降噪预处理，验证了小波原理的可行性；通过对小波包原理的研究，得出了振动信号能量特征向量的提取方法；同时完成了动态监测实验台的搭建工作和滚动轴承缺陷振动的仿真实验,得到了缺陷轴承的特征向量，为系统缺陷类型的识别提供了样本数据。本文针对支持向量机的线性、非线性分类器、惩罚函数、核函数等主要技术指标展开分析，并结合所提取的能量特征向量搭建SVM二分类器，从而获得了最优的分类器参数；并通过常用的“一对多”、“一对一”算法和SVM决策树支持向量机的组合机理分析说明了各自的优缺点；提出了一种新的基于SVM决策树支持向量机与投票理论的新算法，并利用所提取的能量特征向量对支持向量机进行训练和测试，最终通过少量样本的重复利用使其达到了理想的分类精度，完成了航空滚动轴承的缺陷分析。