滚动轴承作为大型机械设备的常用部件,其状态的正常与否直接影响到设备的安全运行,因此对滚动轴承故障诊断技术进行研究具有十分重要的理论意义和使用价值。本文针对重要的机械设备巡检所使用的故障诊断仪检测功能少、诊断能力差、携带不便等问题,研究并设计了一款轴承智能故障诊断系统,该系统以数据采集仪和Android平台为基础,结合自适应共振解调技术和支持向量机方法,取得了良好的诊断效果。本文的主要工作如下:(1)自适应共振解调技术的研究。本文针对共振解调技术带通滤波器的选择问题,引入复合指标和粒子群算法对滤波参数的确定过程进行优化。先通过峭度确定最优滤波参数的可能范围,然后以故障脉冲能量因子作为适应度函数,使用PSO算法寻优得到最优带通滤波器。对以上方法进行了数字仿真,并采集实际信号进行了故障特征频率提取实验,结果表明该方法能有效提取早期微弱故障冲击。(2)采用支持向量机对滚动轴承故障诊断的研究。本文针对SVM在滚动轴承故障诊断中的参数选择和输入向量确定问题,首先采用改进PSO算法对SVM的参数选择问题进行优化,然后采用自适应共振解调技术对信号进行降噪处理,并引入敏感度函数对滚动轴承故障特征进行筛选,得到有效的故障特征向量。最后采集不同种类故障信号进行实验,验证了该方法对滚动轴承故障诊断的有效性。(3)设计并搭建轴承智能故障诊断系统,整个系统包括两个部分:数据采集仪和基于Android平台的故障诊断软件。将自适应共振解调方法和SVM算法移植到诊断软件内,提高了系统的分类准确性,且加入云数据库,实现了远程故障诊断功能。最后在滚动轴承故障试验平台上对诊断系统进行测试,结果表明该系统对轴承多种故障具有较好的诊断精度。