滚动轴承是现代工业设备中最常用的机械零件,也是最易发生故障的零部件。滚动轴承是否正常运行对旋转机械可靠性、寿命以及精度产生很大影响,因此滚动轴承的故障诊断方法研究对于保证机械设备平稳、安全运行具有重要的意义。本文运用改进相似极值延拓算法抑制EMD分解的端点效应,在原有算法的基础上增加了端点处是否为极值点的判断,并通过仿真实验验证了该算法可以很好地抑制EMD端点效应问题。针对EMD分解模态混叠问题,本文引入了EEMD算法消除模态混叠的影响,仿真实验结果表明,算法可以有效抑制模态混叠现象的发生,提高了EMD算法的分解精度。本文提出了一种EEMD和谱峭度相结合的滚动故障特征提取方法,该方法通过运用白噪声幅值标准差准则来确定EEMD算法的参数,并结合谱峭度和相关系数法筛选出有效IMF分量进行信号重构,最后以包络谱分析结果诊断轴承故障。采用滚动轴承的典型故障信号进行分析验证,并与通用EEMD算法分析结果进行实验对比,实验结果表明本文方法提高了滚动轴承故障特征提取的准确率。本文提出了一种EEMD能量熵和DE-LSSVM相结合的故障模式识别方法,该算法采用差分进化算法对LS-SVM模型进行参数寻优,并将优化后的DE-LSSVM模型运用于滚动轴承的故障模式识别。通过不同损伤程度的轴承内圈实例信号,验证了本文算法比LS-SVM和PSO-LSSVM算法具有训练耗时更短、故障识别率更高的优点,能够对滚动轴承的故障进行准确识别。