在机械设备中,轴承是其最重要的零部件之一,轴承工作状态的好坏直接影响着整个机械设备的安全与稳定运行。而在实际的生产工况中,轴承的工作环境比较恶劣,经常处在长时间的高速运行中,还往往承受着较大的载荷,导致轴承极易发生故障。据统计,在使用轴承的机械设备中,轴承发生故障的概率要比机械设备中其它部件发生故障的概率大的多。因此,及早地发现轴承中存在的故障,可以避免因为轴承故障的加剧而引起更大的灾难,从而给人们的生命与财产造成损失。面对如此严峻的形式,在对轴承故障做出诊断时,能够快速准确地判别出轴承的运行状态是保证轴承安全运行的核心。基于此,本课题将对轴承的外圈、内圈和滚珠这三类常见故障的识别做出研究,根据轴承故障信号中的特征成分,深入研究其信号去噪过程和故障识别方法。本课题主要做了以下几方面的工作:(1)深入研究轴承故障信号中存在的脉冲冲击特征。在对轴承结构以及运动机理深入研究的基础上,分析了在轴承发生故障时其受力情况以及由此产生的信号特征,分别建立了轴承内圈故障、外圈故障和滚珠故障的振动信号特征模型,并对其进行了深入研究,最后,通过采集真实的轴承故障信号说明故障轴承中存在的冲击特征。(2)针对轴承故障信号中存在的脉冲冲击特征,构造相应的去噪方法。轴承故障信号采集过程中,往往会包含许多噪声,想要获得轴承故障信号中包含的特征成分十分困难。面对这一难题,通过分析LMD方法和小波去噪方法,将二者的优点进行结合,在对小波阈值函数进行了改进的基础上,提出基于LMD与小波去噪相结合的轴承故障信号去噪方法,并通过对比实验,验证了该去噪方法的优越性。(3)研究基于谱峭度和包络谱分析的轴承故障诊断方法。为了准确地确定出轴承故障信号中存在的冲击特征的频率范围,课题采用谱峭度对去噪后的信号进行分析与处理,在此基础上再通过Hilbert解调和谱分析对其进行包络分析,从而实现轴承的故障诊断。最后,将本课题提出的轴承故障诊断方法应用于机械故障模拟实验台的轴承故障诊断中,并将其诊断结果与采用传统方法的诊断结果做了比较,结果表明,本课题提出的轴承故障诊断方法在对轴承的故障诊断中优势明显。