高温风机作为水泥厂在生产过程中的重要设备,能够保证工厂内通风除尘顺利进行。如果高温风机出现故障,水泥厂内通风除尘不畅将会有安全隐患,从而导致生产停止,给企业造成重大损失。在高温风机内,滚动轴承是易损件。经过观察大量高温风机故障,发现由滚动轴承故障引起的风机故障占比最高。所以,如果能够对高温风机内部轴承进行故障诊断,可以有效提高水泥厂生产效率,保障水泥厂财产安全。本文将高温风机的滚动轴承作为研究对象,研究内容如下:（1）风机滚动轴承振动机理及振动信号降噪方法研究分析了高温风机轴承的结构,振动特性以及故障类型,滚动轴承的各组成部分的故障频率及其振动机理。针对采集的滚动轴承振动信号的噪声多,难以直接用于故障诊断的问题,提出一种改进EEMD降噪方法。该方法通过每次EEMD分解时,选取IMF来重构信号,通过归一化的评价指标来评价重构信号的去噪效果,去噪迭代终止条件选用归一化全局最优点指标,以实现轴承故障信号自适应降噪。（2）风机轴承振动信号特征提取方法的研究在进行高温风机轴承特征提取时,选择LMD进行故障信号的特征提取。由于在LMD分解过程中,始终存在端点效应,影响特征提取的结果,而降低端点效应能够有效提高特征提取的质量。提出一种能量选择延拓法,将原始信号左右两端进行延拓,以获得最理想的延拓点,使原始信号尽可能地保持其基本变化趋势,从而抑制端点效应,提高故障特征提取效果。（3）IPSO-RVM的风机轴承故障识别方法在高温风机轴承故障诊断过程中,首先,针对传统粒子群优化支持向量机所存在分类效果较差和传统粒子群寻优不准确的问题,提出一种改进粒子群算法,利用自适应的惯性权重和加速因子,使粒子前期的搜索速度更快,后期的收敛速度更快。其次,相关向量机的重要参数使用改进后的粒子群算法进行优化,构建改进粒子群优化相关向量机（IPSO-RVM）模型。最后,将IPSO-RVM模型和改进粒子群优化支持向量机（IPSO-SVM）模型,与粒子群优化支持向量机（PSO-SVM）模型进行相互对比实验。经仿真实验验证,新方法能够在保证时间运行合理的情况下提高分类准确率。