滚动轴承是最常用且关键的旋转机械设备，同时它的故障发生率很高，轴承工作状态的好坏直接影响着整台设备甚至整条生产线的运行情况。因此，对滚动轴承进行故障诊断研究，具有十分重要的实际意义和理论价值。　　针对滚动轴承故障诊断具有数据样本有限，采集的故障振动信号具有非平稳、强噪声背景等特点，本文提出采用小波包变换对故障振动信号进行去噪、重构以及特征提取，并结合支持向量机对故障类型进行识别的方法。为提高故障类型的识别正确率，首先，对基于小波包分析提取的故障特征向量作归一化处理;其次，利用在交叉验证(CV)意义下的遗传算法对支持向量机参数进行寻优;最后，用测试样本分别对未参数优化、参数寻优的支持向量机进行故障类型识别。　　在MATLAB的平台优势下，通过对比实验结果，表明本文提出的方法具有更高的分类识别率，并且在允许的误判范围内，能够满足工业现场的需要。