滚动轴承是数控机床机械传动系统的重要部件之一。进行数控机床滚动轴承的性能和诊断的研究,是评估数控机床健康状况的重要环节,具有重要的实用价值和经济意义。轴承故障诊断可以有效防止突发事故的发生,是确保机械系统安全运行的重要保证。因此,本文以滚动轴承为研究对象,从轴承振动信号的处理入手,针对滚动轴承故障诊断和识别的问题进行相关研究。本文论述了滚动轴承的故障机理和分析方法,在此基础上,对轴承故障的类型和原因,故障的特征频率以及分析方法进行了详细的说明。结合实际的信号给出了各种故障状态下振动信号的特性。研究了变分模态分解（VMD）的方法,并将其用于滚动轴承故障的早期诊断,同时引入了经验模态分解方法（EMD）,比较两种处理模拟信号的方法的结果,可以看出变分模式分解方法的优越性。最后用全轴承寿命数据进行了验证。研究了奇异值分解（SVD）和梯度提升树的方法,并建立用于滚动轴承状态分类的梯度提升树模型。提出了基于VMD-SVD和梯度提升树联合的轴承故障诊断策略。通过变分模态分解振动信号,得到的模态分量中包括故障特征,将得到的结果进行奇异值分解,分解后的向量就组成故障特征矩阵。利用梯度提升树对该特征矩阵进行训练,从而实现对不同状态轴承的识别分类。将该方法应用于滚动轴承故障诊断中,良好的诊断效果证明了本文所提方法的可行性。最后,针对变速轴承振动信号时变非平稳特征,提出一种改进的变分模态分解方法,通过优化频谱集中因子来估算信号的当前频率,然后使用估计的频率对信号解调制,最后获得平稳信号,最后通过带通滤波器提取解调的平稳信号。实际分析的结果表明了这种改进的方法在提取故障信号特征方面的有效性。