在旋转机械设备中,滚动轴承是应用最为广泛的机械零件,也是极易损伤的零部件之一,其健康状况直接关乎整台设备的安全运行和功能实现。定期维修与拆换不仅会造成资源浪费还会极大的影响生产。论文以滚动轴承振动信号为研究对象,研究了基于混沌奇异谱支持向量机的滚动轴承故障诊断法。首先,阐述了轴承的基本构造,以及滚动轴承主要的故障形式和振动原理;对目前常用的轴承故障诊断技术进行概述。其次,介绍了混沌形成的原因以及混沌吸引子的特性,阐述了相空间重构理论、重构参数选择的常用算法,以及几种混沌统计量,对混沌系统的定性、定量分析起到了关键作用,为认识混沌、理解混沌、分析混沌时间序列提供有力工具。并以最大Lyapunov指数为特征量,定量分析轴承振动信号的混沌特性。然后,提出了基于混沌的宽频谱特性人为选择小波阈值的方法。通过对混沌系统中典型的Lorenz、Duffing系统的时间序列进行数值验证,结果表明,该方法相比于其他的小波阈值选择方法,具有更好的降噪效果。通过对轴承内圈故障诊断信号降噪前后的功率谱分析,表明新阈值方法可以有效地从原始混沌信号中把有用信号分离出来。接着,给出了混沌奇异谱的定义和支持向量机的基本理论,并对混沌奇异谱作为混沌系统特征量的稳定性和抗噪声能力进行深入分析。从理论上对混沌奇异谱的一些特性给予说明,即从泛函分析角度解释奇异谱的特征空间和噪声平台,以及从几何空间角度说明奇异谱是一种基于方差极大化的空间几何结构的描述方式,从而表明混沌奇异谱是对混沌吸引子的空间结构的一种定量描述,且具有一定的抗噪声干扰能力。因此,本文以混沌奇异谱作为混沌系统的特征量,并对轴承不同损伤部位的振动信号进行特征量化分析,表明混沌奇异谱可以作为轴承振动信号的有效特征。最后,将美国凯斯西储大学滚动轴承故障振动数据作为研究对象,从滚动轴承不同损伤程度和不同故障部位两个方面进行实验分析,实验结果表明,对振动信号进行小波阈值降噪,再以混沌奇异谱作为有效提取故障信号的特征向量,并结合支持向量机作为模式识别手段能够达到良好的故障诊断效果。