滚动轴承是旋转机械设备中的重要组件,很大程度上影响了机械设备的运行状况。滚动轴承经常在高温高压环境下工作,且承受较高承载力,因此也是机械设备最易损伤的部件之一。由于滚动轴承损伤造成的机械设备故障往往会带来严重的财产损失和安全事故,及早发现故障可以尽可能的减少损失。早期故障阶段,故障冲击较为微弱,因此从噪声中提取微弱故障特征是早期故障诊断的主要研究内容。针对滚动轴承微弱故障诊断,本文主要基于轴承振动信号开展研究,主要研究内容包括:信号预处理、故障特征提取及模式识别诊断。信号预处理方面,通过理论和实验分析了 EMD、LMD及VMD三种方法在滚动故障诊断方面的应用,对比三种方法各自的优缺点,及三种方法在早期故障诊断方面的可行性。针对LMD方法在早期故障诊断方面的不足,将MCKD方法与LMD方法相结合,之后通过时频分析判断故障类型,提高LMD方法在早期故障诊断方面的准确性。特征提取方面,利用双谱分析对高斯噪声的抑制特性,提取振动信号的高阶特征向量,实验验证了双谱分析在故障诊断方面的可行性。针对双谱分析无法处理非高斯噪声成分,且早期故障阶段故障冲击及易受其他噪声成分影响,提出使用MOMEDA及双谱分析相结合的早期故障诊断方法,最后根据双谱分析的对称性,进一步对数据进行压缩,提取故障特征向量。最后使用SVM完成故障类型诊断。最后,理论结合实践,设计并开发了一套简易Windows桌面应用,用于滚动轴承故障诊断,系统结合了本课题研究的主要方法,使得理论方法更加具有实际价值。