滚动轴承能够为旋转机构提供稳定的支撑,在机械设备中应用十分广泛,然而它也是最容易损坏的零部件之一。滚动轴承从初始轻微损伤到不能正常工作会伴随着振动不断的增强并影响机械设备中其他零部件的正常工作,进而可能导致整个设备产生故障,最后可能造成设备瘫痪,带来严重的经济损失。所以当滚动轴承发生轻微损伤时,及时诊断出故障可以做到“有备无患”,这对整个设备的正常工作都具有重大的意义。本论文以此为出发点研究了滚动轴承的早期故障机理并对其早期故障信号处理方法进行深入研究,探寻其合适的信号处理方法以达到准确故障诊断的目的。(1)通过对滚动轴承的早期故障机理进行研究,确定了以提取损伤轴承在运行过程中产生的周期性冲击信号为研究重点。掌握周期性冲击信号在时域、频域及包络谱图中的表现形式,为能从振动信号中被成功提取提供支持。(2)针对滚动轴承早期故障难以识别的问题,提出了一种自适应白噪声的完备总体经验模态分解(CEEMDAN)和1.5维谱相结合的滚动轴承早期故障诊断新方法。该方法首先运用CEEMDAN对振动信号进行分解,得到一系列IMF分量,然后根据相关峭度指标自适应地选取一个包含主要故障信息的IMF分量,最后对提取的IMF分量进行1.5维谱分析,通过分析谱图中突出成分以确定轴承故障类型。通过仿真信号以及模拟滚动轴承内、外圈早期故障试验对该方法进行验证,结果表明将两种方法结合在滚动轴承早期故障诊断有很大优势。(3)针对快速谱峭度在强噪声背景下提取故障特征困难的问题,将其改进,利用故障特征频率强度系数作为寻找最优频带的指标,以获得包含主要故障特征频带的故障诊断方法。通过仿真信号以及模拟滚动轴承内、外圈早期故障试验对该方法进行验证,结果表明,该方法能够在快速谱峭度方法失效的情况下实现对滚动轴承早期故障的诊断。(4)针对滚动轴承早期故障特征信息十分微弱难以提取以及可调品质因子小波变换(TQWT)参数设置依赖使用者经验的问题,提出改进TQWT的滚动轴承早期故障诊断方法。首先,设定Q因子的区间范围,利用TQWT对滚动轴承故障振动信号进行分解得到若干个分量;然后,对各分量进行包络导数能量算子解调,在能量谱中根据特征频率强度系数这一指标选自适应地确定TQWT的最佳分解参数,实现对故障信号的最优分解;最后,通过对最佳分量的包络导数能量谱分析即可准确地提取到轴承故障特征信息。通过对仿真信号、实验数据以及工程案例分析表明,该方法能够有效提取滚动轴承早期微弱故障特征并准确判断出滚动轴承故障类型,具有一定的工程应用价值。本文围绕着滚动轴承早期故障诊断方法,即CEEMDAN和1.5维谱、改进的快速谱峭度以及改进的TQWT三种自适应信号处理方法,通过理论仿真、实验室实验以及现场案例来验证该方法的有效性,研究成果对现场诊断滚动轴承故障有一定的指导作用。