1.课题背景及意义 轴承是旋转机械中的关键部件，而旋转机械在各行各业中都被广泛使用，由于长时间、高负荷的运行，轴承很容易出现损伤。

很多机械设备的故障与轴承存在或发生故障有关，轴承运行状态关系到整个设备性能的发挥，据有关资料统计，旋转机械中振动故障大约30%是滚动轴承失效造成的。

然而由于滚动轴承的寿命具有很大的离散性，即使相同的材料在同一生产设备下采用同样的加工工艺加工出来的同一批次轴承，其寿命也各不相同。

如果在实际生产中完全按照设计的疲劳寿命进行定期性维修，就可能造成一定的经济损失，因此及时准确的识别滚动轴承故障形态，在机械设备运行过程中及早发现轴承运行故障并排除，可以极大地提高设备的生产效率和生产效益，因此展开对滚动轴承的故障诊断领域的分析研究有着十分重要的意义。

本论文主要讨论和分析了滚动轴承振动信号的振动特征以及故障发生旳机理，在掌握故障信号特点的基础上，对来自传感器的含有大量噪声的原始信号进行低通滤波等预处理，再对待分解信号进行分解，设法得到故障信号的特征信息。

之后将四种情况的信号进行分类（1.正常轴承，2外环故障轴承，3内环故障轴承，4滚球故障轴承），接着由特征向量构造出训练样本集和测试样本集，输入为当前轴承所测的特征向量，输出为测试的4种分类，同上（1.正常轴承，2外环故障轴承，3内环故障轴承，4滚球故障轴承）。

接着用训练样本构造分类器，最后利用测试样本对建立好的分类器进行测试，观测分类器的识别性能以及准去率是否达到要求，最后确定分类器模型。

整个分类器在matlab上仿真实现。

针对传统信号处理方法只适合对平稳、非时变信号进行处理，且不具有信号局部分析能力，利用小波包分析在信号去噪和突变点检测方面的优势，对故障信号进行小波包分解，从而发现故障信号不同频段的特征信息。

为了从量的角度上分析轴承是否存在故障，考虑到计算的复杂性，采用选取故障特征明显的频段（而非对所有频段）进行统计分析的方法，结合频带能量分析技术实现轴承外圈、内圈以及滚动体模拟故障信号特殊频段的特征向量提取。