滚动轴承被广泛地应用在各种工业现场中,它的运行状态直接影响到整台机器的功能,因此,它的早期故障诊断具有非常重要的意义,对于滚动轴承的早期故障,信号中包含的故障信息一般很微弱,常常淹没在噪声信号中,因此能否有效地降低噪声提高信噪比,有效地增强故障弱信号是进行滚动轴承早期故障诊断的关键。本课题在总结和汲取他人研究成果的基础上,提出一种基于谱峭度和经验模态分解(EMD)方法,以从滚动轴承振动信号中获取的故障数据为基础,进行早期故障弱信号增强,提前诊断出滚动轴承故障,从而提高故障诊断水平和效率,保证机械系统运行的稳定性和安全性,本文包括以下内容:首先针对谱峭度缺乏自适应性和EMD存在模态混叠、在低频段产生多余IMF分量等问题,提出谱峭度和EMD相结合的方法,利用谱峭度对故障脉冲信号敏感能够有效增强故障脉冲信号减少噪声的优势,在增强故障脉冲信号减少噪声干扰的基础上与EMD方法相结合,有效解决了EMD方法受各种干扰的问题,能够有效提高EMD分解的效率和精度,进一步提高了故障诊断水平。然后把基于谱峭度和EMD方法应用到加噪仿真信号和滚动轴承早期故障诊断中,实验结果证明,基于谱峭度和EMD方法在加噪仿真信号和滚动轴承早期故障弱信号增强中取得了很好的效果,因此,该方法对滚动轴承早期故障弱信号增强具有重要意义,具有良好的应用前景。