旋转机械应用于众多领域,滚动轴承是保证旋转机械正常工作的必要部件,它对旋转机械设备的精度和可靠性有直接影响,因此滚动轴承故障是引起旋转机械故障最常见的原因之一。滚动轴承在运转中经常出现裂纹缺陷、金属剥离、腐蚀等损伤,使机械设备不能正常工作,因此,对滚动轴承故障诊断方法的研究十分有必要。目前,许多国内外学者针对能高速整周旋转轴承的故障诊断方法进行了大量研究,然而对不能连续整周旋转的关节内部轴承的故障诊断方法研究较少。本文以简单连杆机械手臂中的关节内部滚动轴承为例,研究了低速非整周旋转轴承的动力学仿真问题;在内圈、外圈、滚动体上有裂纹缺陷的故障轴承振动信号的特征提取问题;以及滚动轴承故障的分类与识别问题。论文主要内容如下:（1）对机械手臂进行运动仿真。分别对肩部内圈、外圈、滚动体故障轴承以及关节内部内圈、外圈、滚动体故障轴承进行仿真实验,给出不同部位不同故障轴承的加速度振动信号,将肩部无空间运动的故障振动信号与关节内部轴承有空间运动的故障振动信号进行了对比,为轴承动力学建模做了准备。（2）建立关节内部故障轴承动力学模型。利用内圈、外圈、滚动体缺陷部位相对于坐标系的角度来计算各故障轴承滚动体的变形量,得到不同故障轴承的运动微分方程,求解方程后得到三种故障轴承的振动加速度仿真信号,对故障信号时频分析发现与整周旋转轴承的区别,为后面在频域中提取特征参数奠定基础。（3）研究基于小波包分析和径向基神经网络对机械手臂关节内部轴承的故障诊断方法。使用GT滤波器组提取有效的外圈、内圈以及滚动体故障冲击信号,对滤波通道中冲击信号最明显的故障振动信号进行包络分析。利用小波包分析对关节内部轴承故障信号进行分解和降噪处理,对重构的故障振动信号解调8阶能量频带,将振动信号的频带能量值归一化后按尺度排列作为轴承故障特征向量,该特征向量即为径向基神经网络的输入层,大量故障数据通过RBF神经网络的多次训练,建立故障诊断模型并对模型性能进行了测试与比较,能够精准识别轴承各种故障,实现了机械手臂关节内部轴承的故障诊断。