滚动轴承是机械设备中的易损零件，许多机械故障都与滚动轴承的状态有关。据统计，在使用滚动轴承的旋转机械中，大约30％的机械故障是由于滚动轴承的损坏而造成的。可见，滚动轴承的好坏对机械设备工作状况的影响极大，它的工作状况往往影响到整台机器的功能。其缺陷会导致设备产生异常振动和噪声，严重时会造成设备损坏，所以对其进行故障诊断的研究，对提高设备维修质量和效率是十分必要的。 本文对滚动轴承的故障形式、故障原因、常用诊断方法等诊断基础和滚动轴承故障的振动机理作了研究，并建立了相应的滚动轴承典型故障的理论模型，给出了一些滚动轴承故障诊断常用的特征参数，并利用遗传算法将滚动轴承的初始特征参数进行自组织，生成新的最佳特征参数组合，然后利用新的特征参数对滚动轴承的故障类型进行有效的诊断。研究结果表明该特征参数在进行滚动轴承故障识别时，其识别率比采用初始特征参数进行识别的识别率要大的多。 在进行遗传算法操作时，为了评估特征参数的好坏，基于统计理论定义了分辨指数，并将分辨指数作为遗传算法操作中的适应度函数，可以有效的评估新特征参数的优劣性；同时针对基本遗传算法存在的一些不足，引入了自适应遗传算法，并对遗传算子做了相应的改进。 本文进一步采用逐次诊断的方法对滚动轴承的各种故障状态依次进行识别，每次仅识别两种状态，并利用可能性理论对这两种状态进行识别，识别参数采用本文方法得到的遗传算法特征参数，分析结果表明，该方法用于滚动轴承故障诊断是简单有效的。 总之，利用遗传算法将初始特征参数进行自组织，生成新的最佳特征参数，并利用该参数对轴承进行故障诊断是可行有效的。