随着现代工业的飞速发展和智能化科技的不断进步,在供给侧结构改革的背景下,工业作为国民经济主导力量,也是供给侧结构改革的主战场,由此也对工业设备的安全性和智能化提出了更高的要求。随着“大众创业,万众创新”和“互联网+”风靡中国,由此掀起了一股“互联网+制造”的浪潮,带领我国工业进入工业4.0时代,也加速了我国工业由传统工业制造向智能制造的转型。因此,针对工业设备的运行状况监测与智能故障诊断的研究学习是势在必行的。工业中的机械系统高度智能化,组件繁多,其在实际工程中的运行环境也是十分复杂苛刻,为完整监测到机械设备及其组件的运行状况,通常采用多传感器、多测点的信息采集方式。每个传感器所采集到的振动信号通常是各个组件在运行过程中振动轨迹的综合反应,加之复杂的实际工况以及各个组件不确定的传播路径也增加了采集到的振动信号的复杂程度。基于某个特定组件振动信号的某种特征将感兴趣的部件的振源信号分离出来才能够方便有效地对所研究的组件进行特征提取和状态识别。本文以航空发动机中最常见也是最关键的组件之一滚动轴承作为研究对象,在充分学习了滚动轴承的振动机理和信号特征并对轴承故障诊断的国内外研究现状进行一定调研的基础上,提出了基于纹理特征的航空发动机轴承故障诊断方法。实际工况中,滚动轴承在强噪声背景下运行,采集到的振动信号是滚动轴承以及周围组件和噪声的综合反映。因此,从滚动轴承的故障机理入手,通过计算不同故障的轴承故障频率,并根据振动信号的频域分析可以有针对性的提取出滚动轴承的故障信息。然而,在强噪声背景以及复合故障多发的实际工况中,传统的基于滚动轴承的频率特征提取和故障诊断方法的应用很受限。基于振动信号的纹理特征的特征提取和故障诊断方法对于提高复合故障的识别精度,增强滚动轴承在复杂工况中的故障特征提取能力具有重要作用。围绕航空发动机滚动轴承故障诊断,本文的主要研究内容如下:1)从工程应用和理论分析的角度着手,阐述了论文的选题背景。分析了国内外基于频率特征和基于纹理特征故障诊断研究工作的发展情况,通过阅读大量文献提取了当前状态检测与故障诊断领域内亟待解决的问题,从而有的放矢的开展研究工作,交代本文研究的思路和大纲。2)在深入了解滚动轴承振动机理与信号特征的基础上,学习了滚动轴承故障主要形式及原因,以及特征频率的计算等相关基础知识,为后续研究提供理论基础。3)在学习了基于传统的一维信号特征频率的特征提取基础上,对目前比较新的经验小波变换和变分模态分解做了理论学习后引入到航空发动机滚动轴承故障诊断研究中,并对变分模态分解算法进行了参数优化改进。4)针对基于传统的一维信号频率特征的特征提取方法在复杂工况和复合故障下应用受限的情况,研究了基于纹理特征的图像特征提取算法理论后,提出基于完整局部二值模式和视觉词袋模型的特征提取及故障诊断流程。