滚动轴承是旋转机械的重要组成部分,其健康状况直接决定整机能否正常运行。由于滚动轴承部件精密且运行环境复杂,在工作中容易发生故障;而故障一旦发生,轻则造成经济损失,重则引发安全事故。因此,对滚动轴承进行及时有效的状态监测和故障诊断是确保旋转机械安全运行的重要措施。滚动轴承发生故障时会产生规律性的振动,通过对振动信号进行检测可以判断其实时状态和故障类型,从而为滚动轴承的健康管理奠定基础。因此,本文以滚动轴承故障特征提取为目标,基于经验小波变换研究有效的滚动轴承故障诊断方法,以实现滚动轴承健康状态的有效识别。论文主要工作如下:(1)针对基于无参尺度空间法的经验小波变换难以有效提取宽频带冲击特征的问题,本文提出了基于峭度优化的无参经验小波变换方法。该方法利用峭度指标对冲击特征的敏感性,对利用尺度空间经验小波变换分解信号得到的模式分量进行优化合并,从而确保模式分量中冲击特征的完整性;然后通过对峭度指标最大的模式分量进行经验小波重构,实现滚动轴承故障中冲击信号特征的有效提取。通过数值仿真验证了方法的有效性,并将其成功应用于SQI实验台滚动轴承外圈故障诊断。(2)针对基于无参尺度空间的频谱边界分割法会将宽频带冲击特征划分到几个频带,从而造成模式破裂,降低滚动轴承故障特征提取精度的问题,本文提出了改进自适应无参经验小波方法,将样条插值拟合与尺度空间法相结合,自适应地确定各个模式的频带边界;然后,基于确定的频带边界设计经验小波滤波器,实现滚动轴承振动信号的自适应分解。此外,针对同频带噪声影响冲击特征提取效果的问题,本文进一步采用稀疏编码收缩算法对含有冲击特征的敏感分量进行降噪处理,以增强周期脉冲特征,提高滚动轴承故障特征提取精度。通过数值仿真验证了方法的有效性,并将其成功应用于电力机车走行部滚动轴承故障诊断。(3)基于LabVIEW平台设计开发了滚动轴承故障诊断系统;系统中嵌入了本文提出的两种滚动轴承故障特征提取算法,并将其用于风电机组发电机前轴承离线数据分析,实现了发电机前轴承内圈故障特征的有效提取和故障识别,验证了系统的可行性以及算法的有效性。