现如今科学技术飞速发展,机械设备在工业生产和生活中被广泛应用。滚动轴承作为机械设备的关键元件,由于其工作环境的复杂性,容易在运行一段时间后产生各种缺陷,这些缺陷不仅会影响轴承本身的性能,还会引起机械设备的故障,造成巨大损失,所以对滚动轴承展开有效的故障诊断对提高生产质量,降低损耗具有很大的研究意义。由于机械设备运行环境较不稳定,抗干扰能力弱,噪音强,其故障信号以非线性非平稳的振动信号为主,存在大量噪声冗余,传统降噪方法对非线性非平稳振动信号的降噪存在很大局限性。本文以滚动轴承为研究对象,针对故障信号非线性非平稳噪声强度大的特点,将流形学习方法与相空间重构、数据插值等方法结合,提出基于LLTSA的振动信号降噪方法,并展开仿真验证与实验验证。论文主要内容如下:1.阐述了论文的研究意义,对比研究了国内外滚动轴承故障诊断的发展历程和未来趋势,剖析了滚动轴承几种常规故障形式的成因和失效后果,阐明了滚动轴承的振动机理和时频振动分析理论的具体使用方法,对比介绍了振动信号降噪的各种方法。2.对流形学习的方法原理和典型方法进行详细对比分析,针对滚动轴承故障信号非线性非平稳的特点,将流形学习LLTSA方法与相空间重构、数据压缩重构、时频分布方法相结合,提出基于LLTSA的滚动轴承降噪方法。3.基于MATLAB建立仿真振动信号,运用本文提出的流形学习降噪方法和小波降噪方法、EMD降噪方法分别对仿真信号进行降噪处理,对三种方法的降噪结果进行对比分析,证明本文提出的流形学习降噪方法的有效性。4.针对滚动轴承的三种故障失效形式,内圈故障、外圈故障和滚动体故障,通过轴承实验台采集三种故障模式下的振动信号,加入高斯白噪声后,运用本文提出的流形学习降噪方法与小波降噪方法、EMD降噪方法分别进行降噪处理,对三种方法的降噪结果进行对比分析,证明了本文所提出的降噪方法具的有效性。