滚动轴承是常用且易发生损坏的机械部件，轴承工作状态直接影响到整个设备组的正常运行和生产安全。在轴承故障诊断过程中，特别是初期故障，其特征信息很微弱且往往被强噪声所淹没，信噪比很低，难以准确的、有效的提取并诊断出故障，如果不及时处理将引发严重后果，每年因轴承问题引起的机械故障而造成的经济损失高达几十亿。因此合理有效的检测出滚动轴承初期故障，杜绝事故发生显得极其重要。本文基于振动信号测试，主要运用小波包基础理论，并结合EMD方法、支持向量机对滚动轴承熵及故障特征进行深入研究，研究内容如下：首先，本文对小波包的基本理论、发展过程及通常故障诊断的判别方法进行了论述，阐述了小波包理论对机械科学的影响与意义。分析了滚动轴承的故障类型、振动机理及其频率特征。其次，通过仿真信号来研究小波包理论和EMD理论；应用小波包实现信噪分离，突出了其良好的降噪效果；然后以互相关、峭度准则提取经EMD分解降噪后信号的分量，避免了IMF分量选择的盲目性。同时对传统小波包进行了改进，不仅保持信号频率分辨率，还可防止子带信号产生虚假频率造成严重的频率混叠现象，并利用EMD分解故障频率范围的子带信号，能够准确的找到故障频率。再用江苏千鹏公司生产的齿轮箱滚动轴承作为实验研究对象，来检测、验证以上方法，均得到理想结果。再次，小波包与EEMD来检测轴承故障振动信号。进行了EMD和EEMD比较，了解到EEMD方法能有效的减少EMD方法中的模态混叠程度，但分解速度比EMD慢；最后，小波包与支持向量机相结合，对美国Spectra Quest公司生产的齿轮箱滚动轴承的故障类型进行智能分类；通过最终的实验结果表明小波包和EMD可以很好的提取并表达出滚动轴承外圈故障信息；小波包与支持向量机有效的、准确的分类出轴承故障类型，从而证明本文的方法有效的解决了滚动轴承故障问题。