数控机床是工业制造之母,尤其是高速、高精的先进数控机床是支撑一个国家制造业的基础。滚珠丝杠副作为各类数控机床与自动化设备的重要的关键功能部件,直接决定数控机床和其他设备的加工精度和性能。针对国产滚珠丝杠副整体质量不稳定情况,对其故障模式进行诊断研究,对于提高滚珠丝杠副可靠性和智能制造水平具有十分重要的意义。本文提出的基于滚珠丝杠副性能检测平台的故障智能诊断方法,首先对指定型号的滚珠丝杠副进行了大量试验,通过对滚珠丝杠副不同故障状态的振动信号进行分析,理清了滚珠丝杠副不同的故障模式与振动信号之间的关系,并通过有限元仿真进行了验证,之后利用经验模态分解方法对故障状态振动信号进行分解,并提取出故障特征,最后利用基于ELM的机器学习算法建立的智能诊断模型对滚珠丝杠副的故障状态进行诊断,为操作人员快速的提供了滚珠丝杠副的健康状态信息。主要研究内容如下:(1)综述了国内外滚珠丝杠副性能检测试验研发现状,并总结了国内外机械设备故障的智能检测方法发展现状。总结并分析了滚珠丝杠副的结构形式与典型失效形式,确定了本文的故障检测对象是滚珠丝杠副的磨损失效。(2)设计并搭建了滚珠丝杠副性能检测平台。根据滚珠丝杠副性能检测平台主要设计要求提出了检测平台结构设计、控制系统设计和测试系统的设计方案,并根据试验要求对系统硬件进行选型。通过ANSYS Workbench对模型进行模态分析和谐响应分析,与实际试验结果互为验证,为检测平台振动传感器的选型与安装位置的选择提供了有效的参考依据,并介绍了滚珠丝杠副磨损失效特征及其模拟特征的制备方法。(3)基于EMD的磨损失效与振动信号关系的实验研究。详细描述了EMD方法的分解步骤,然后应用该方法对滚珠丝杠副磨损状态的振动信号进行分解并提取其特征向量,并为智能化诊断模型的训练和测试提供了数据集。(4)基于检测平台的磨损失效智能诊断的试验研究。首先对滚珠丝杠副的定位精度进行了测量,为试验正常进行提供了精度保证,其次建立了基于ELM机器学习算法的故障智能诊断模型,并对其进行训练与测试,证实了本文提出的智能算法能够正确的对滚珠丝杠副的性能进行诊断,最后通过与BP算法进行性能对比实验进一步验证了本检测方法的优越性。