智能化电机驱动的关键技术之一就是实现设备的故障预测与健康管理,旋转机械的健康状态监测是保证工业过程可靠性的一项重要任务。基于此研究背景,《国家中长期科学技术发展规划纲要（2006～2020年）》、《中国制造2025》和《机械工程学科发展战略报告（2011-2020年）》无一不将旋转电机设备及其关键零部件如电机等的故障监测、预警维护及健康管理技术列为优先内容和重要研究方向。因此,本课题开展了伺服电机轴承-不对中复合故障诊断的研究。本文针对轴承-不对中复合故障提出了基于伺服电机转速信号的故障诊断方法,首先推导了各单一故障激励产生的附加转矩表达式,接着探究了由复合故障激励带来的电机转速变化,从理论分析了转速法实现复合故障诊断的可行性。而后在Simulink中搭建了复合故障激励下的仿真模型,仿真结果验证了转速法诊断机理的正确性。为了更接近实际工况,在实验室搭建了基于Zynq-7020高性能SoC芯片的伺服驱动故障诊断平台,实验表明复合故障中轴承这类微弱故障信号的检测易受安装不对中等故障的干扰,会使得传统诊断算法失效。针对轴承故障的特征提取失效问题,以轴承外圈故障和安装不对中故障的复合故障为例,对比分析了谱峭度法和最大相关峭度解卷积算法的优劣。针对谱峭度算法,采用基于最小均方差准则的线性预测模型对复合故障信号进行预处理,提高了谱峭度算法的诊断效果,但其仅能提示峭度最大的频带区间作为最佳滤波带,容易忽略次共振频带区间,进而造成误诊断。另一方面,采用最大相关峭度解卷积算法从轴承-不对中复合故障中提取轴承故障特征,但该算法的效果受到解卷积周期和滤波器长度等参数的影响。为了提高最大相关峭度解卷积算法的特征提取效果,首先基于局部均值分解对复合故障信号进行预处理以提高其信噪比,针对其易受解卷积周期和滤波器长度等滤波器参数影响的问题,提出基于粒子群算法的解卷积滤波器参数优化方案,以相关峭度最大化为优化目标,优化解卷积周期和滤波器长度两个参数,实验结果较好地验证了该算法的有效性。针对安装不对中故障的检测,基于安装不对中故障的特征频率幅值随转速升高而增大的规律,提出了一种阶梯波给定的变转速检测方法。最后,基于上述研究内容设定了轴承-不对中复合故障诊断与辨识方案,并设计了轴承-不对中复合故障诊断系统软件,为后期工程化和产品化打下基础。