随着近年来汽车技术快速发展,自动变速器所占的市场份额越来越大,同时对自动变速器的状态监测提出了更高的要求。作为自动变速器的关键传动零件,滚动轴承的运行状态对自动变速器及车辆的安全可靠运行有重要影响。由于自动变速器传递路径复杂,采集到的滚动轴承振动信号包含多种激励源,增加了滚动轴承故障特征提取与分类的难度。通过对自动变速器滚动轴承进行疲劳损伤分析与故障诊断研究,对自动变速器状态监测以及保证汽车正常运转具有重要意义。本文以某款自动变速器中间轴滚动轴承为研究对象进行疲劳损伤动力学分析与故障诊断,主要研究内容如下:首先,建立滚动轴承局部疲劳损伤时变激励模型,推导滚动体经过故障区域时的时变位移激励函数并求解与故障边缘的瞬时接触力。建立了滚动轴承工程应用工况有限元模型,分析滚动轴承不同位置应力应变及安全因数分布规律。根据有限元仿真结果搭建自动变速器滚动轴承故障动力学模型,所得到的瞬时接触力与理论值呈现很好的一致性。在此基础上进一步分析了滚动轴承不同故障位置的振动特性及频谱特征。其次,针对滚动轴承振动信号非平稳、信噪比低以及特征提取困难的问题,提出一种独立成分分析包络强化的完备集合自适应噪声经验模态分解的故障特征提取方法,利用综合指标法筛选特征组成样本集,提高了故障特征提取效率与准确度。采用粒子群算法对最小二乘法支持向量机模型参数进行寻优,并通过典型轴承台架数据集进行验证,所提方法提高了故障分类精度。再次,考虑到滚动轴承数据集样本容量大、诊断时间长以及传统卷积神经网络模型进行分类识别时鲁棒性差的问题,搭建一种带有验证集的深度卷积神经网络模型。分析了不同超参数构架对滚动轴承故障诊断结果的影响,构造了高效的卷积神经网络模型。通过与独立成分分析包络强化的完备集合自适应噪声经验模态分解的故障特征提取方法相结合,实现了快速、高精度的滚动轴承故障诊断。最后,制备包含单点及混合故障的滚动轴承,搭建应用环境下不同故障类型的自动变速器滚动轴承实验台架。通过本文提出的独立成分分析包络强化的完备集合自适应噪声经验模态分解与深度卷积神经网络故障诊断方法,对采集的滚动轴承振动信号进行特征提取与故障分类。结果表明,所提方法实现了在强干扰以及多激励条件下自动变速器滚动轴承的高精度故障诊断。