机械故障诊断一直以来都是研究的热点，至今也取得了一些成果，然而仍然存在很多问题。滚动轴承作为最常用的部件之一，对其进行故障诊断意义十分重大。论文基于滚动轴承振动信号进行故障诊断，滚动轴承振动信号能够包含故障特性并且适合各种轴承，基于振动信号的故障诊断能有效诊断前期微小故障，诊断结果准确可靠。论文在研究小波理论的基础上，采用小波包分析结合对数能量熵提取信号的故障特征。故障特征提取在滚动轴承故障诊断中尤其重要，它是轴承状态识别的基础，直接关系到诊断结果的准确性。论文利用小波包对滚动轴承信号进行分解，对分解得到的各个信号计算归一化能量熵，以提取信号的故障特征。论文采用最小二乘支持向量机对轴承状态进行识别，取得了比较理想的效果。最小二乘支持向量机(LSSVM)不同于传统支持向量机，它采用最小二乘线性系统作为损失函数，简化了计算的复杂性，提高了运算速度。论文研究了最小二次支持向量机算法，并利用该算法对轴承工况进行识别。本文搭建了旋转机械故障诊断实验平台，模拟了多种滚动轴承故障，检验了本文提出的小波包能量熵和LSSVM结合进行滚动轴承故障诊断的方法，证明了该方法的有效性。本文还利用小波分析算法对滚动轴承振动信号进行处理，初步判断故障类型。