滚动轴承作为现代机械设备中最重要的零部件之一,一旦发生故障会影响到整个设备的性能,甚至设备所处整条生产线的安全。及时掌握滚动轴承的故障位置和损伤程度,能有效监控设备状态,指导设备维护,避免安全事故。本文通过滚动轴承运行时的振动特性,对基于振动信号分析,使用计算机对其特征值进行快速学习与智能诊断的滚动轴承故障诊断方法进行了实验与研究。本文以滚动轴承为研究对象,分析了滚动轴承的基本结构与故障类型,通过其运行时的振动机理和振动信号特征,针对滚动轴承故障位置和损伤程度难以迅速精准确定的问题,提出对滚动轴承在不同故障类型下运行的振动信号进行特征值提取及计算机智能分类的诊断方法。使用Matlab对不同状态的振动信号使用多重分形去趋势波动分析(MFDFA方法)计算机分析,选取出灵敏度及稳定度最好的两种多重分形谱参数作为故障特征值,输入到Matlab内置分类器中进行计算机学习与分类诊断,并通过仿真试验、应用实例试验验证了该方法的有效性,提高了现有故障诊断技术的效率。进而使用信息互补的特征值组成五维特征值分析法对诊断方法优化,并进行了仿真测试与应用实例验证,解决了现有故障诊断技术的误差问题。本文所研究内容的创新之处在于仅使用振动信号片段即可完成对滚动轴承故障类型从分析到诊断的全部流程,检测工具易获得易使用,不需添加设备或开发新系统,最大程度上节约成本,且诊断方法具有很高的普适性,适用范围广,可以直接应用于实际工业生产中。