滚动轴承是旋转机械中的关键零件,常常工作在高速、重载等环境中,易发生一些故障影响设备的正常运行,甚至造成设备停机或人员伤亡。由于滚动轴承工作中复杂环境的影响,早期微弱故障信息往往被不同特性的强背景噪声干扰,很难被识别。实际工程中的变转速工况使得滚动轴承的振动信号表现出非平稳特征,使滚动轴承早期微弱故障特征提取困难。因此,基于不同特性噪声背景和变转速工况下的滚动轴承故障诊断问题亟待研究。根据上述问题,本文以滚动轴承微弱特征的提取为研究目标,采用非周期随机共振方法及信号分解技术,结合短时傅里叶变换研究不同噪声背景与变转速工况下轴承早期故障诊断问题。具体内容如下:（1）变转速是旋转机械在工程背景中常见的工况,又考虑到设备运转过程中强噪声环境,提出了基于二阶欠阻尼系统非周期随机共振的高斯白噪声背景与变转速工况下滚动轴承故障特征提取方法。基于数值仿真讨论了噪声强度和阻尼系数对二阶欠阻尼系统非周期随机共振的影响,并寻找最优的阻尼系数使得非周期随机共振输出达到最佳,非周期随机共振输出的效果证实所提方法成功实现滚动轴承故障诊断。对变转速工况下带有划痕故障的滚动轴承实测信号进行分析,结果表明,该方法极大增强了白噪声干扰与变转速工况下滚动轴承微弱故障特征信息。（2）高斯白噪声是常见的理想噪声背景,色噪声相比高斯白噪声更加复杂且更加贴近实际工程中的噪声分布,比如移动汽车的噪声,电钻的噪声等。本文以色噪声背景模拟实际工况环境,在变转速工况下,用自适应非周期随机共振方法来进行滚动轴承的故障诊断。首先,引入EMD分解技术,用IMF分量对含噪信号进行重构,采用互相关系数作为评价指标。然后,通过量子粒子群优化算法,结合谱放大因子评价指标对非周期随机共振系统参数和变换尺度系数进行寻优,来实现自适应非周期随机共振。最后,用转速变化的滚动轴承仿真信号和实测信号进行验证,结果表明,该方法能够有效增强在色噪声背景和变转速工况下滚动轴承微弱的故障特征信息。（3）针对旋转机械设备在实际运转中的另一种常见背景噪声,比如飞机尾部受到随机激励,施工机械工作时的冲击载荷等。本文在泊松噪声背景与变转速工况下,用分段变尺度非周期随机共振方法对滚动轴承早期故障诊断问题进行研究。首先,利用变转速工况下的滚动轴承外圈故障仿真信号研究了非周期随机共振现象。然后,分别针对滚动轴承外圈、内圈和滚动体的划痕故障,用转速上升和下降的故障实测信号进行验证,验证结果表明了该方法能够有效提取和增强在泊松噪声背景和变转速工况下滚动轴承微弱的故障特征信息。最后,利用谱放大因子对滚动轴承故障特征信息的增强程度进行刻画,用短时傅里叶变换反映信号的非平稳特征。综上,本文针对滚动轴承在高斯白噪声、色噪声、泊松噪声强背景与变转速工况下的故障特征提取问题进行了深入研究。基于仿真分析和实测信号分析,表明本文所提方法能够有效提取和增强滚动轴承故障特征信息。该论文有图77幅,表12个,参考文献120篇。