轴承是各种机电设备中应用最广泛和最关键的基础部件之一，其运行状况的正常与否直接影响整个设备的性能。同时，轴承也是最易损坏的部件，其运行损耗以及由操作不当等原因引起的故障，不仅会造成重大的经济损失，甚至可能导致人员伤亡等严重后果。为了避免轴承失效，早期故障特征的提取与诊断最为关键，也是一个尚未得到有效解决的难点。为了对轴承的运行状态实施有效而准确的监测与早期故障诊断，论文针对轴承故障振动信号呈现出的非平稳性和非线性的特点，研究了基于提升小波分析的轴承微弱特征提取方法。　　根据基于提升算法的小波构造不再依赖于傅里叶变换的特点以及非线性思想，提出一种基于最小范数判别准则的自适应算法。即对不同的待分解信号，分别选用不同的小波进行分析。将这一算法与冗余提升小波分析相结合。选用多个具有不同特性的小波，引入多孔算法对预测算子系数和更新算子系数逐层进行插值补零运算；应用所选的多个小波依次对各个待分解的信号进行提升小波分解；基于小波变换的低熵特性，对最优小波的确定方法进行了深入讨论，建立小波分解结果的最小lP范数的目标函数，用以从多个小波中确定最匹配被分解信号特征的小波；对于小波包分析中存在的频率混叠和频带交错问题，对其产生原因进行了详细分析并分别提出相应的解决方案；构造了自适应冗余提升小波包分析的正变换和节点信号单支重构过程的总体框架。结合小波包能量分析和解调包络谱方法，对轴承的外圈损伤故障进行诊断并取得了较好的效果。　　为了用提升算法灵活、简便地构造新的小波，对基于提升框架的小波构造方法进行了研究。根据插值细分过程中新样本点预测的思想，引入了函数逼近的概念，提出一种基于数据拟合的最小二乘法的提升小波构造新方法；由于基函数、样本点数和基函数的维数等三个参数对小波的构造有着直接而关键的影响，因此，对三者分别进行不同取值，构造出一系列具有不同光滑性、震荡性、消失矩甚至是非对称性的新的小波；同时，与当前应用最为广泛的基于Lagrange插值的小波构造结果进行了对比分析，详细讨论了三个参数的变化对所构造小波在时域特性和频域特性的影响规律。　　在对基于数据拟合的小波构造新方法所构造的小波进行时域特性和频域特性分析的基础上，对三个参数加以选择，得到了多个各具不同特性的小波；将自适应算法与冗余提升小波变换相结合对信号进行分析；根据轴承故障振动信号在频域的特点以及小波分析的“滤波”特性，提出一种初始信号的分段功率谱分析方法，用以选取用于单支重构的节点信号：分别采用轴承滚动体故障的实验信号和工程信号对算法加以验证，并取基于Lagrange插值构造的对称小波进行对比。分析结果表明，应用新方法所构造的非对称小波在提取轴承微弱故障特征时不仅具有有效性，而且相比对称小波，更加具有优越性。采用新方法构造出六种非对称小波，结合自适应冗余提升小波包分析对信号进行分解，对节点信号作小波包能量分析并取能量最大者作自适应单支重构，进而通过解调方法来提取信号中的微弱特征信息。将这一方法分别用于轴承实验信号和工程信号的分析，并以初始信号的频谱分析和解调分析结果进行对比。信号处理的结果证明，应用该方法不仅较好地识别出轴承的复合故障，并且相比基本的频谱分析和单一的解调分析，能更好地提出微弱特征信息。　　信号和噪声在小波基底上具有不同的特性。论文结合自适应冗余提升小波分析，采用小波阈值降噪算法来滤除信号中的强背景噪声，以更好地提取出微弱故障特征。分别取blocks、bumps、heavysine和doppler四种常用的测试信号并依次加入不同强度的噪声进行自适应冗余提升小波降噪分析，用以确定阈值函数；对于阈值的选取，根据噪声的小波系数的变化特点，提出变尺度阈值算法，在应用阈值生成规则得到初始阈值的基础上，对各尺度下的细节系数取依据尺度变化的阈值作降噪处理。对降噪后的信号进行完整的逆向重构，有效识别出轴承内圈、外圈和滚动体的混合故障；应用基于数据拟合的小波构造方法得到八种各具特性的非对称小波，对信号进行自适应冗余提升小波阈值降噪分析。根据小波分析对节点信号的频带划分规律，提出一种变尺度能量分析方法，以此确定用以进行单支重构的节点信号，通过对降噪后的信号作单支重构和解调处理，准确识别出轴承内圈和外圈的混合故障。　　论文研究成果在工程实际中进行了初步应用，验证了算法的有效性，为工程实际中轴承的早期故障特征的提取与分析提供了一种新的思路和方法。