本文以小波分析为基础,针对早期振动故障信号具有背景噪声强,特征信号弱的特点改进传统的Donoho硬阈值降噪算法,提出了基于Shannon熵的最优小波包基降噪算法,取得了良好的效果。利用BP神经网络在故障诊断方面具有诊断精度高,学习速度快的特点与小波分析相结合,针对正常状态、轴承座松动、不对中、碰磨、裂纹五种模式下,对振动信号加以分析,运用频带能量谱分析法提取信号特征量,作为神经网络的输入向量,采用Levenberg—Marquardt学习算法,对BP网络进行有教师的训练和模式识别,并且通过实验台仿真证明,小波神经网络能够很好的进行早期振动故障的分类诊断并且具有较快的收敛速度。在数据分析过程中,充分利用Matlab强大的数据处理、数据可视化、数字信号处理等功能,实现了数据直观有效的分析与处理。