在复杂工况下高速旋转的机械设备体系中,滚动轴承起着举足轻重的作用,因此,对滚动轴承进行状态检测是其中不可或缺的一个环节。通过对滚动轴承的振动信号进行处理和分析,可以有效的判断出轴承的故障状况,提高滚动轴承故障检测的效率;另一方面,通过对振动信号数据进行科学的管理,便于后续对滚动轴承进行故障复现。因此,设计并实现一套用于滚动轴承振动信号分析与数据处理的系统,对于滚动轴承质量的检测具有十分重要的意义。针对滚动轴承振动信号在连续高采样条件下,数据量多而导致占用存储资源过大的问题,本文利用压缩感知算法实现对信号的降维。首先,本文对应用于滚动轴承振动信号的压缩感知算法进行理论研究。然后通过进行仿真信号压缩试验,比较三种不同重构算法的重构效果,最终,选择分段弱正交匹配追踪算法(SWOMP)对信号进行重构,并将其应用到后续的滚动轴承振动信号中。通过轴承振动信号压缩试验,进一步说明,压缩感知算法对滚动轴承振动信号的压缩具有一定的可行性和有效性。针对滚动轴承振动信号包含复杂的干扰噪声成分,导致轴承振动特征难以提取的问题,本文通过对滚动轴承的故障理论进行介绍,然后研究了基于自适应噪声集合经验模态分解算法(CEEMDAN)及小波包的特征提取算法。通过互相关系数和方差贡献率,实现CEEMDAN分解的本征模态函数(IMFs)中可以反映轴承振动特征的IMF分量的提取。对于小波包分解,通过子频带能量所占总频带能量的百分比对小波包分解的频带特征进行选择。最终,采用上述两种方法,分别对轴承振动信号进行特征提取,结果表明,小波包特征提取方法能有效提取滚动轴承振动信号的特征。基于Labview完成了软件系统的开发。此系统包括用户登录和管理模块、轴承信息管理模块、数据采集与压缩模块、数据分析模块、数据存储模块及数据回调模块。此系统主要实现对连续采集的振动信号进行实时的压缩,并将存放数据的文件名称存储在My SQL数据库中,同时分别通过时域及频域对轴承运行状态进行监测,以有效提取轴承振动特征,并且还可以对存储在数据库中的数据文件,按照试验的次序及时间进行数据回调,实现轴承运行状态事后复现。通过进行滚动轴承振动试验,对本课题开发的软件系统各个模块的功能进行了验证。试验结果表明,本课题所开发的系统性能较好,且具有一定的实际应用意义。