1、滾動軸承是機器中應用最廣泛的標準零件之一，也是容易出現失效的元件之一。滾動軸承工作的穩(wěn)定性對設備的工作狀態(tài)有較大的影響，其故障缺陷會造成機器產生不同程度的振動和噪聲，甚至導致設備損壞。為確保設備工作性能，對滾動軸承進行狀態(tài)監(jiān)測及振動分析技術已逐漸應用于各類精密機械裝備。但軸承產生失效的原因復雜，早期故障信號能量微弱，振動噪聲明顯，因此對故障特征提取技術的研究一直是滾動軸承故障診斷的關鍵。
　　故障診斷的前提是針對故障機理的研究，本

2、文首先研究分析了滾動軸承故障沖擊的物理模型與振動機理，結合滾動軸承工作的實際狀況，指出滾動軸承故障的組成成分及其特性。針對滾動軸承故障振動信號呈現出非線性、非平穩(wěn)性及噪聲背景較強等特點，為了有效提取故障特征，本文提出了一種共振稀疏分解（Resonance-based sparse signal decomposition，RSSD）與小波變換相結合的振動信號特征提取技術。其中，共振稀疏分解是基于品質因子可調小波變換與形態(tài)分量分析的一種新

3、的信號分解方法，與常規(guī)的基于頻帶劃分的信號分解方法不同，它依據信號各分量的振蕩形態(tài)不同對信號進行分解。
　　本文介紹了共振稀疏分解的基本思想，闡述了分解中不同參數對于分解結果的影響，提出了關鍵參數優(yōu)化的方法。通過仿真信號論述了共振稀疏分解在故障特征提取中的應用方法及可行性；并通過滾動軸承仿真信號研究了基于優(yōu)化參數的信號共振稀疏分解方法。針對滾動軸承出現故障時背景噪聲較強，信號干擾較大，本文提出應用小波降噪進行信號的預處理，然后應用

4、RSSD方法進行信號分解及故障診斷。通過滾動軸承故障仿真試驗臺數據進行實踐分析，能夠一定程度獲得故障特征，但存在特征頻率及其倍頻幅值不占優(yōu)，信噪比不高的情況。
　　為進一步突出故障特征，本文提出RSSD與小波變換相結合的滾動軸承故障診斷方法，對信號共振稀疏分解得到的低共振分量繼續(xù)進行小波分析，得出更為貼近故障特征的重構信號。通過兩類軸承試驗臺數據進行驗證分析，結果表明該方法能有效提取滾動軸承故障特征。
　　本文最后與一般典型