本文以油田钻井设备中绞车及传动机组的滚动轴承故障诊断为研究背景,分析了滚动轴承的故障机理和振动特性,采集了轴承正常、内圈故障和外圈故障共三种工况的振动信号,引入时频分析新方法——局域均值分解法(LMD)提取振动信号的特征信号,并与常用的小波变换、经验模态分解法(EMD)这2种时频分析方法做一些比较分析,验证了LMD方法的优越性。针对局域均值分解法(LMD)分解过程中产生的端点效应,本文在LMD方法的基础上提出了一种改进的方案,即采用了一种镜像延拓法先对原始信号两端进行对称延拓,再对延拓后得到的新信号进行LMD分解,通过仿真实验表明改进后的LMD方法有效抑制了端点效应。　　 由于在实际中采集到的滚动轴承振动信号常夹杂有噪声,因此需要进行消噪处理。本研究利用小波和小波包2种消噪方法对加噪的仿真信号进行处理,从实验结果可以看出小波包比小波具有更好的消噪效果,因此采用小波包对滚动轴承振动信号进行消噪并利用改进后的LMD方法对滚动轴承三种工况下的信号进行处理,提取出PF能量特征向量,最后采用支持向量机方法完成了轴承故障模式的智能识别。　　 以上实验工作分析表明:LMD方法是一种优秀的时频信号分析方法,具有很强的自适应性和时频分布性,在抑制端点效应、减少迭代次数、保留信号信息完整性和表征瞬变信号的频率与幅值变化方面要优于传统时频分析方法。采用镜像延拓法进行改进后的LMD方法端点效应很轻,产生的虚假分量更少,能更好地反映信号内在本质。改进后的LMD方法结合小波包消噪法能正确提取出滚动轴承微弱故障信号特征。