柔性薄壁椭圆轴承（Flexible thin-wall elliptical bearing,FTEB）是谐波减速器中波发生器的核心零部件,特殊的椭圆结构使其在工作中长期承受循环交变应力载荷,极易发生故障。由于运动特性的不同,普通滚动轴承的故障特征频率理论不适用于FTEB,而且FTEB的微弱故障特征在强背景噪声下会被掩盖。因此本文在FTEB的运动学特性分析基础上,研究其微弱故障特征提取及诊断方法。具体的研究内容和结果如下:（1）建立FTEB运动学特性关联的故障特征频率模型,分析FTEB滚珠中心相对于节椭圆和保持架的运动轨迹及其相对于内外圈的运动规律。发现滚珠中心的运动轨迹与节椭圆并不重合,滚珠与保持架的相对运动轨迹并非椭圆而是一个四角平滑的菱形。而且滚珠与内外圈滚道的接触点处有径向速度和加速度,其随时间变化的频率为椭圆轴转频的二倍频,使FTEB在正常运行中也产生径向振动。普通滚动轴承的故障特征频率计算公式仅是FTEB故障特征频率模型的一个特例。FTEB故障特征频率会随时间变化,其理论值在均值的0.1-0.2%范围内波动,与实际值的误差小于1%。（2）通过提取FTEB正常和故障振动实验信号特征,建立FTEB故障振动响应信号模型并在不同信噪比下对其进行仿真分析。正常状态下,FTEB的振动响应信号主要是以椭圆轴转频的二倍频及其高次倍频为主要频率成分的周期性椭圆旋转激励信号。冲击型缺陷故障状态下,FTEB的外圈故障冲击信号会被以椭圆轴转频的二倍频为周期的幅值调制信号调制,而内圈故障冲击信号会被以轴转频为周期的幅值调制信号调制。连续Morlet小波变换与Hilbert包络谱分析结合（continuous Morlet wavelet transform combined with Hilbert spectrum analysis,CMWT-H）、CMWT-H与奇异值峭度相对变化率（singular values kurtosis,SVK）结合（CMSVK-H）的方法能提取出FTEB的故障特征频率及其倍频,但提取效果会受背景噪声干扰,当信噪比为0 d B时已无法准确提取FTEB的故障特征。（3）在分析FTEB的椭圆旋转运动特性和振动响应特征的基础上,研究基于稀疏分解的FTEB微弱故障特征提取方法。选取合适的局部余弦字典和小波字典构建冗余字典,并利用拉格朗日基追踪算法求解出稀疏分解系数,将信号中的椭圆旋转激励成分、周期性故障冲击成分与噪声分离,进而对分离的周期性故障冲击信号成分进行时域及包络谱分析,可准确提取出FTEB单点和多点缺陷故障信号中的微弱故障特征。（4）构建表征FTEB信号样本的特征集,研究基于稀疏分解与稀疏自编码（Sparse Auto Encoder,SAE）神经网络模型的FTEB微弱故障诊断方法。在缺陷宽度为1 mm和0.05 mm的FTEB正常和故障状态分类中,与CMWT-H相比,通过稀疏分解预处理后的数据训练SAE模型,可提高FTEB故障诊断准确率约10%,其中采用无量纲的峭度、峰值因子和构造的频谱峰值指标三种特征构建训练集,获得的故障诊断准确率更高,可达到99%以上。