在工业化大型机械设备迅猛发展的今天,机械故障诊断具有非常重要的研究价值,而振动信号的故障特征检测是机械故障诊断的基础。在机械早期故障诊断中,相对于背景噪声而言,故障信号往往十分微弱而无法被有效地检测。随机共振算法可将噪声中的部分能量转移至有用的微弱信号中,放大微弱信号特征,从而实现故障诊断。因此,应用随机共振算法来解决轴承故障诊断中微弱信号特征检测困难的问题。首先,结合滚动轴承的基本结构与常见故障,对滚动轴承的振动特性进行了研究,得出轴承各元件故障频率,为轴承的故障诊断提供了依据。之后,讨论了随机共振理论,包括随机共振的数学模型、基本理论以及度量指标,并分析了不同系统参数对随机共振效果的影响。针对经典的随机共振只适合于小参数信号的检测,而轴承故障信号属于含噪声很大的周期性大参数信号的问题,采用了一种变尺度随机共振方法,经对大参数的仿真信号进行处理,验证了变尺度随机共振的有效性。其次,针对随机共振系统参数决定着随机共振效果这一问题,采用了一种基于萤火虫算法的自适应随机共振方法,即采用运行速度快、算法参数少的萤火虫算法对随机共振的系统参数进行优化,得出最优系统参数,从而增强随机共振的效果。仿真与实验结果表明,萤火虫算法优化的自适应随机共振可以有效地实现微弱信号特征的提取。将该方法与基于传统智能优化算法(遗传算法、蚁群算法)的自适应随机共振方法的优化效果进行对比,得出该方法具有运行时间短、优化效果好等优点,更适合工程上大数据海量信号的快速处理。最后,搭建了一套基于LabVIEW的滚动轴承故障诊断系统,该系统具有数据采集、故障频率计算、数据处理与故障诊断等功能。其中,数据处理部分采用随机共振方法对信号进行处理,进而提取故障特征频率。通过对轴承实测故障信号进行实验验证,表明该系统能有效地完成轴承故障信号的数据采集、处理与诊断,具有广阔的应用前景。