航空发动机是飞机、飞艇等航空装置的动力提供设备,主轴轴承作为航空发动机的重要组成部分,长期在高温、高压、高转速等复杂条件下运行,对航空装置的飞行安全起着至关重要的作用。一旦轴承发生故障,将直接危及航空装置的飞行安全,甚至造成严重的经济损失。因此,对航空发动机主轴轴承开展故障监测具有重要意义。本文主要从一维信号和升维信号两个角度对主轴轴承故障诊断方法开展了研究分析。在一维振动信号故障诊断方法方面,本文首先引入了多分辨分析的经验模态分解算法,它利用多通道的振动信号同时进行分解,弥补了传统经验模态分解算法中出现“模式混叠”的不足,实现故障特征频率有效提取；其次,本文从熵和能量的角度出发,利用小波包样本熵以及短时能量奇异值分解方法分别提取两类特征参数,经验证,提取的两类特征参数具有计算简单,抗噪能力强等优点,同时能够有效处理故障早期和低信噪比情况下的轴承振动信号；最后,本文将提取出的特征参数值与极限学习机相结合,实现轴承状态的有效识别。在升维信号故障诊断方法方面,本文充分利用了轴承振动信号转换为灰度图像所具有的纹理特性,提出了基于图像信号的轴承故障诊断方法,为轴承故障诊断提供了一种新的思路。一维振动信号在转换为二维灰度图像时,信号的幅值转换为图像的灰度值,周期性冲击产生的故障振动信号转换为图像灰度纹理的变化。首先,本文引入了尺度变换特征不变(Scale Invariant Feature Transform,SIFT)算法,通过SIFT算法对轴承图像信号提取特征向量,构建特征字典库并进行图像分类,最终达到轴承故障诊断的目的；其次,针对SIFT算法对振动信号数据长度较为依赖的局限,本文对一定长度的轴承图像信号进行图像滤波处理,并引入了对图像模糊具有较好处理效果的加速稳健特征(Speeded Up Robust Features, SURF)算法,弥补图像滤波带来的“虚化”效果,增加提取特征向量个数,提高故障诊断识别准确率；最后,本文通过引入灰度共生矩阵将抽象的灰度纹理特征转换为具化的数值特征,在不同方向上对灰度共生矩阵提取纹理能量、纹理熵、纹理惯性和纹理相关矩,并以这些特征参数为媒介,通过最小距离函数实现轴承故障的有效分类。最后,基于上述两个方面的理论研究,本文借助Visual Studio 2010开发平台,利用C#语言和开源的图像处理视觉库Emgu CV,开发了一套简易的航空发动机轴承故障诊断系统。各模块已完成调试工作,能基本达到工程应用要求。