滚动轴承是机械设备中应用最广泛且极易损坏的部件之一，其运行状态将直接影响系统的整体性能，导致设备损毁甚至造成灾难性事故。因此，开展对滚动轴承振动信号的监测和故障诊断具有重大现实意义。本文以基于支持向量机的滚动轴承故障诊断模型为研究对象，所做的主要工作如下：首先，详细分析了滚动轴承的机械结构、故障发生机理和故障表现形式，利用振动信号分析方法，具体分析了几种典型的轴承振动信号的时、频域特征；同时针对工程实际中故障数据样本不足的缺陷，提出采用基于支持向量机的分类器，用于滚动轴承的故障诊断。其次，针对单一的特征分析方法无法有效提取完备的特征信息，进而造成分类障碍的缺陷，本文提出一种基于多特征提取的多分类器组诊断模型。该模型结合小波包变换、总体平均经验模式分解、时频信息熵三种特征分析方法，从不同角度获取完备特征信息，并将之输入由三个支持向量机组成的多分类器组，再利用基于自整定权值决策模板的信息融合方法做出最终诊断，并通过仿真验证了该诊断模型能够适用于复合故障诊断。最后，为了分析优化分类器参数对分类效果的影响，并进一步简化多分类器组的结构，利用时、频域分析相结合的多特征方法提取滚动轴承的故障信息，并同样采用基于支持向量机的多分类器组用于最终的故障诊断分类。同时采用一种搜索能力更强的改进人工蜂群算法，搜寻支持向量机的最优分类参数，提高分类性能。通过对不同轴承信号的仿真分析，证明了所提诊断模型的优越性。