滚动轴承的工作状态对设备性能甚至整个生产线的生产和安全都有直接的影响。因此,研究滚动轴承故障识别的相应技术对避免重大机械事故的发生具有重要的理论价值和现实意义。本文以滚动轴承为研究对象,针对特征选择以及故障识别这两个关键问题,运用相关性分析的方法和思想进行一系列研究工作。主要工作如下:(1)提出一种自功率谱函数分类方法(SPSF)。首先,通过自功率谱函数进行降噪处理以增强故障信号的频率特性;其次,通过对待测信号序列与先验信号序列集进行自功率谱函数相关性匹配分析,以获得信号之间的相似度;最后,依据相似度大小对故障进行分类。(2)提出一种基于MIC方法的两阶段特征选择方法。首先,利用MIC方法对具有强表示能力的特征进行分析、度量和排序;进一步对所选具有强表示能力的特征子集进行相似性分析和度量,达到去冗余目的;最后,基于给定分类器的分类结果对特征子集进行各种性能评价。(3)提出一种MIC-k-means特征选择方法。在选取出具有强表示能力的特征子集的基础上,利用MIC方法建立特征之间的相似度矩阵;进一步利用k-均值聚类方法进行特征聚类并获得聚类中心;最后,从每个聚类中选取一个代表性最强的特征,获得最优特征子集。