滚动轴承是机械设备中的重要零件,据统计旋转机械的故障有30%是由滚动轴承故障引起的。本文以振动信号为基础,对滚动轴承的故障诊断进行了研究,主要完成以下工作:1)采用小波分析法对滚动轴承振动信号进行了处理。小波分析作为一种多分辨率时频分析方法是分析非平稳信号的有力数学工具。本文采用对小波变换系数求包络谱的分析法提取滚动轴承故障特征频率,结果提取出故障频率的2倍频率,并不是很准确。2)使用小波包提取了振动信号特征参数。为了更精确地提取滚动轴承的故障特征,本文采用小波包分解信号,细化包络谱分析,准确地提取出了故障频率。此外,通过对振动信号时域统计指标的提取和比较,选取了频带能量作为诊断故障类型的特征参数。3)应用支持向量机(SVM)分类法识别了故障类型。针对数据样本量不是很充分这一问题,本文引入了基于统计学习理论的支持向量机,以支持向量机的二值分类算法为基础,构造了支持向量机的多值分类器,对提取出振动信号中的能量特征向量进行分类,解决故障模式的识别问题。通过对实验信号的仿真,准确判断出轴承运行状态,并识别故障类型,证明了基于小波包分析与支持向量机分类的滚动轴承故障诊断方法是行之有效的。