机械设备的正常运行关乎社会的生产和人们的生活,机械设备之所以发生故障,多数情况下是因为其内部的机械部件非正常运行。滚动轴承作为机械设备的重要组成零部件之一,其运行状态会直接影响到整个机械设备的工作性能。而滚动轴承又是最易受损的零件,故障发生率较高,据统计,旋转机械中的故障约有30%的比例来自于滚动轴承,因此非常有必要对滚动轴承进行状态监测和故障诊断。由于振动信号一般具有较高的信噪比,且对轴承早期的故障敏感,所以目前大部分方法都是基于轴承振动信号进行故障诊断,但振动信号的采集需要在设备表面安装振动传感器,某些情况下,这种接触性测量的方式容易受到设备特点或工作环境的限制;相比基于振动信号的测量方式,声信号的测量具有便捷性、非接触性以及不影响设备工作状态等优点,尤其在某些不适合采用接触式测量的场合能充分发挥优势,而且轴承运转时辐射的声信号同样能反映轴承的状态特征。本文以盲源分离为主要分析方法,通过测量分析滚动轴承运转时辐射的声信号,对滚动轴承的运行状态进行判别和故障诊断。本文的主要工作内容如下:(1)阐述了滚动轴承结构和故障机理,推导了滚动轴承故障特征频率计算方法,分析了基于声信号故障诊断的可行性,同时指出滚动轴承声信号的特点:信噪比低,易受到背景噪声和回声等信号的干扰。通过以上分析为后续研究滚动轴承声信号故障诊断的方法指明方向;(2)在现有的盲源分离算法的基础上,改进了一种卷积盲源分离(盲解卷积)算法,并应用于滚动轴承的故障诊断;(3)从信号分析方法的角度出发,针对滚动轴承声压信号信噪比低的问题,提出了一种采用小波变换和盲源分离的滚动轴承声压信号故障诊断方法。小波变换用于提高轴承故障部位声压信号的信噪比,盲源分离用于分离轴承不同特征的信号成分,以提高故障识别能力。通过实验验证了该方法可以有效地降低噪声的影响,故障诊断结果准确;(4)从信号分析量的角度出发,由于声压梯度具有较强的对环境背景噪声的抗噪能力,因而提出了一种基于声压梯度盲源分离的方法对滚动轴承进行故障诊断。与基于声压信号盲源分离的故障诊断方法相比,以声压梯度作为分析量对轴承进行故障诊断的方法更为简便,且故障识别能力强。最后通过实验验证了该方法的准确性,体现了声压梯度在滚动轴承故障诊断上的优势。