滚动轴承是机械设备的主要零件,滚动轴承一旦发生故障将会导致一系列安全问题的发生,因此滚动轴承的故障诊断和检测已经成为当前工业研究的重中之重。随机共振（stochastic resonance,SR）可以将噪声信号的能量转移到故障信号中,降低噪声对故障信号的影响,可有效提取到夹杂在噪声环境下的微弱故障信号。本文首先对经典随机共振基本理论进行研究,描述了过阻尼布朗粒子在系统势函数中发生的跃迁现象。为解决传统随机共振只能分析微弱信号的问题,本文引入移频变尺度方法对时间尺度进行调节,利用四阶龙格-库塔方程对系统输出信号进行求解,判别轴承故障类型。另外,还采用量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）优化随机共振系统的结构参数。研究结果表明:改进后的随机共振轴承故障诊断方法解决了传统随机共振只能分析微弱信号的问题。然后,提出了一种三稳态随机共振数学模型,对三稳态随机共振系统势函数、噪声条件下和非噪声条件下的朗之万方程进行了理论推导,描述了过阻尼布朗粒子在噪声信号和周期信号的共同作用下,在系统中出现的跃迁现象。并且分析了势阱、势垒高度与系统结构参数之间的相关性。然后将三稳态随机共振与移频变尺度方法和量子粒子群算法相结合,构建一种基于三稳态随机共振轴承故障诊断方法。研究结果表明:该方法对于强噪声环境下的轴承故障特征提取具有一定的效果,为滚动轴承故障诊断提供了一条新思路。最后,基于MATLAB GUI技术平台对改进随机共振轴承故障诊断方法和三稳态随机共振轴承故障诊断方法进行软件化设计,搭建了一款基于随机共振系统的的轴承故障诊断系统软件。并且采用美国凯斯西储大学官网提供的轴承数据对基于随机共振系统的轴承故障诊断系统进行实验验证。结果表明:基于随机共振系统的轴承故障诊断系统可以有效地提取出轴承数据中的故障特征频率,为滚动轴承的（强噪声下微弱信号的提取与分析）智能化诊断奠定了基础。