滚动轴承作为旋转机械中应用最为广泛的关键零部件之一,由于其常工作于高速、高温、重载的恶劣环境,导致其成为机械设备中最容易损坏的部件。对滚动轴承开展实时状态监测与故障诊断,对于避免安全事故的发生,提升机械设备的安全性能具有重要意义。滚动轴承早期故障特征信息微弱,容易受到强干扰噪声的影响,采用常用的故障诊断方法难以对其进行故障诊断与识别。本文提出基于改进经验小波变换的滚动轴承早期微弱故障诊断方法,主要研究内容如下:(1)针对传统经验小波变换频谱划分存在的冗余分量问题,提出一种基于互信息的改进经验小波变换方法,该方法可以排除冗余分界点,对频谱进行重新划分,得到更有价值的分量。研究结果表明:改进的经验小波变换能够有效减少冗余分量,提升信号分解的精确度。(2)将改进经验小波变换与最小熵解卷积相结合用于滚动轴承故障诊断。振动信号经改进经验小波变换处理得到分量,采用基于互信息与峭度的最佳分量选取准则优选出包含故障信息最丰富的分量进行重构,经过最小熵解卷积有效降低干扰噪声的影响。研究表明:该方法适用于货车轮对轴承早期微弱故障的诊断和监测,在工程实际中具有一定的应用价值。相比于集合经验模态分解,具有更明显的诊断效果。(3)将改进经验小波变换与量子遗传算法优化的支持向量机用于滚动轴承故障诊断。分别以西储大学轴承数据与高速列车轴承数据进行验证。研究表明:基于改进经验小波变换与量子遗传算法优化的支持向量机滚动轴承故障诊断方法能够有效识别不同健康状态、故障尺寸的轴承类型,相比于传统经验小波变换与变分模态分解等方法具有更好的分类识别效果。