随着储能事业的高速发展,飞轮储能(flywheel energy storage system)逐渐进入人们视野。飞轮储能因其环境无污染、短时大功率、高效长寿命等诸多优点广泛应用于企业UPS、风力发电厂、应急电源保障、航空航天等领域中,也因其高速旋转的特性,作为主要组成部件的滚动轴承成为极易损坏的部件。因此,研究飞轮储能的轴承故障诊断对保障设备的安全、稳定、具有重要的意义。首先介绍了轴承故障诊断在飞轮储能等旋转机械行业的研究意义和重要性,阐述了飞轮储能和故障诊断的研究现状,着重介绍了飞轮转子的有限元分析,优化了定转子之间的间隙、共振频率以及固定频率下的谐波响应,为飞轮储能故障诊断提供机械特性上的参考;其次,搭建了一套包含软硬件在内的运动状态监测平台,详细介绍了加速度传感器、电涡流传感器等元器件的选型及平台的搭建。多种检测信号在验证飞轮转子有限元分析结果的同时也为故障诊断提供了信号数据集和状态依据;再次,分析了传统研究方法在故障诊断领域各方面的优缺点,提出了一种基于小波神经网络故障诊断的研究方法。使用公开的的故障数据,将数据集运用小波包分解进行数据分析故障的特点和频谱范围,并以能量矢量的方式提取特征信号作为数据集训练卷积神经网络模型,用部分数据集作为测试,验证该方法的故障诊断可行性。最后,根据飞轮储能系统故障数据,分别就保持架与滚珠故障进行检验,并在得到故障分析结果后,研判外界因素,分析故障的主要原因。运用公开故障数据验证方法可行性的前提下,检验了飞轮储能的径向轴承故障诊断,并加入故障研判步骤,相比较传统的故障诊断方法,降低了故障误判率,有较大的进步和实际应用价值。