随着科学技术不断进步,智能制造必将成为未来工业生产的主流,与此同时,为满足智能制造的需求,机械设备也在不断地向大型化、集成化、高速化及智能化的方向发展,这就对机械设备的安全性提出了更加严苛的要求。滚动轴承作为机械设备尤其是旋转机械中最为重要的零件之一,其运行状态对整个机械设备正常运行至关重要,同时也是机械设备中最容易损伤的零件之一。因此,对其进行状态监测及早期故障诊断对整个机械设备至关重要。本文首先对滚动轴承的基本结构和运行状态以及振动机理和振动特性进行了研究。设计并搭建了试验所需的滚动轴承综合振动试验平台,根据研究需要预先设置了故障试验方案,分别对试验所需轴承设置内、外圈及滚动体不同程度的单一故障和多故障综合的复杂故障状态。利用Coinv DASP V11智能数据采集分析系统对试验中的各种状态轴承的振动信号进行采集,然后利用MATLAB软件平台对所采集到的滚动轴承各状态下的振动信号进行详细的时域分析以及幅值谱、功率谱、倒频谱以及包络解调谱分析。分析结果表明,通过各种频谱分析方法所得到的诊断结果与预先设置的故障情况基本相符,证明了频谱分析方法在滚动轴承故障诊断中的可行性和差异性。其次,将压缩感知理论引入到滚动轴承故障诊断中。考虑滚动轴承由于其本身结构及工作环境复杂,其振动信号往往受到诸多干扰噪声的影响,研究了压缩感知理论对滚动轴承振动信号降噪时的三个关键技术,利用压缩感知重构降噪方法对滚动轴承各种故障试验测试数据进行降噪处理,通过降噪前与降噪后效果的真实对比,可证明压缩感知理论在滚动轴承故障振动信号降噪中具有非常显著的降噪效果。最后,基于振动信号图谱峭度对微弱故障的敏感性,研究了基于谱峭度法分析滚动轴承故障诊断技术。同时提出基于压缩感知理论重构降噪与谱峭度法结合用于滚动轴承的故障诊断技术。并利用该方法对滚动轴承单一故障试验数据和多故障综合试验数据进行了诊断分析,都充分证明了该方法在滚动轴承故障诊断中能够达到非常显著的降噪效果,以及对滚动轴承各种故障实现准确、可靠诊断,同时也表明该技术对复杂背景噪声下滚动轴承微弱故障的诊断有较高的准确性和可靠性,可应用于早期的故障诊断。