滚动轴承作为机械设备中最常见的零部件之一，它运行状态的好坏将直接影响到整台机器的功能，因此对滚动轴承故障诊断技术的研究具有十分重要的意义。目前用于轴承故障检测的方法可以分为很多种，但最常用的还是振动诊断法，本文就是以此为基础所做的一些研究工作。　　 本文以传动箱滚动轴承故障诊断问题的研究为背景，利用神经网络的强非线性映射能力，及自学习、自适应和自组织等能力，探讨研究了Hilbert-Huang变换和BP神经网络相结合的方法对滚动轴承进行故障诊断。文中阐述了轴承故障诊断技术的国内外发展现状；介绍了滚动轴承的相关故障机理及其表现的几种失效形式，并对轴承的正常振动信号和故障振动信号进行了全面的分析；讨论了用EMD和小波包变换两种方法进行故障特征向量参数的提取并作为神经网络的输入向量；设计了基于Hilbert-Huang变换和BP神经网络的滚动轴承故障诊断系统。最后通过信号采集系统所采集到的包含不同工作状态的振动信号实测数据，分别构建了基于轴承振动特征参数向量的正常和故障状态的训练样本，用已经构建好的神经网络对其进行训练，并用训练好的神经网络对轴承的各个运行状态进行智能诊断。　　 实验结果表明，运用该诊断系统可以很好的对轴承的振动进行有效的分析，也能有效的识别出轴承的不同工作状况。