旋转机械是我们工业生产生活中一种非常重要的动力装置，它被广泛的应用于社会工业化发展的很多地方，例如：水利水电，石化，航空运输等，它们是整个工业不可缺少的元素。但是随着旋转机械设备的组成以及结构的复杂性越来越高，机械设备的可靠性降低以及它们的事故维修难度也变得越来越大。有些旋转设备在工厂生产中扮演者很重要的角色，当它发生故障的时候很有可能会造成整个生产更有甚者或是整个工厂停止运营，给企业造成损失。因而旋转机械设备的故障诊断使我们这个领域内的一个重要的研究课题。旋转机械设备的故障诊断可以掌握机器设备运行状况，监测其整体或者局部是否正常工作，早期发现机器设备的故障并找到故障原因从而降低事故的发生率，减少维修费用和维修时间，提高生产设备正常运行时间。　　本文对遗传算法的定义、基本描述和基本流程等基本理论以及遗传算法的工程应用做了详细研究。提出运用遗传算法进行初始特征参数自组织再生成最优特征参数的方法，运用统计理论定义分辨指数DI并将其作为遗传算法中的适应度函数来评估新生成的最优特征参数的优劣，从而提高在滚动轴承等零部件的故障诊断准确率。　　本课题主要以旋转机械典型部件滚动轴承和轴为例，首先对滚动轴承的机构特点、主要故障形式和故障原因等进行详细介绍，并对滚动轴承的振动机理做了详细研究，给出一些在滚动轴承故障诊断方面常用到的特征参数。其次就是对旋转机械主要部件轴的不平衡故障的振动机理、振动特点以及常用参数进行了详细研究。通过这些学习与研究工作帮助了解滚动轴承故障和轴不平衡故障的本质与特点。　　本文依靠实验室的旋转机械故障模拟实验平台和振动信号采集于处理系统搭建了旋转机械主要部件滚动轴承故障诊断和轴不平衡诊断的试验系统。设计了滚动轴承的内圈损伤、外圈损伤、滚动体损伤三种主要故障形式，并对这三种故障形式分别做实验采集滚动轴承故障振动信号。对得到的振动信号进行预处理得到这三种故障的振动波形。设计了三种负载下的轴不平衡故障试验，并分别通过实验采集轴不平衡的振动波形图，为后续的数据处理提供依据。　　本文对于滚动轴承首先运用初始特征参数识别法进行诊断，得出滚动轴承三种不同故障的特征参数识别指标DI和识别概率DR，再运用遗传算法初始特征参数再生成法对滚动轴承的初始特征参数自组织再生成新的最有特征参数，得到新的特征参数识别指标DI和识别概率DR。验证本文所提出的方法的可行性与优越性。该方法不仅可以运用到滚动轴承的故障诊断研究，还可以运用到旋转机械其它部件的故障诊断。对于轴不平衡的振动信号数据处理，首先计算其初始特征参数，然后运用无纲量统计特征值得到相应的统计特征值。　　综上，本研究课题，通过对旋转机械主要部件滚动轴承故障和轴不平衡故障诊断的背景研究、理论分析、实验模拟、实验数据处理与分析等整套系统的研究，提出了运用初始特征参数和遗传算法的基于振动信号分析的旋转机械故障诊断研究的基本框架和方法，最后展望了该研究方法的发展前景，在实际的工程应用中具有很大的意义。