近几年来,随着科学技术的不断进步与经济的不断发展,各行业中的生产装备都朝着大型化、精密化、复杂化、自动化的方向发展。作为应用最广泛的旋转类机械部件,滚动轴承直接决定并影响着整个系统的生产和运行状况。一方面,这些技术进步能够提升生产效率,为厂家带来可观的生产效益和丰厚的利润回报；另一方面,装备的大型化、复杂化、精密化及自动化也极大提高了装备的生产成本,一旦这些装备发生故障,就会造成巨大的经济损失和人员伤亡事故。因此,对滚动轴承故障模式识别技术展开研究,保证其正常运行,具有十分重要的意义。　　 本研究在国家“十一五”科技支撑计划:“危险化学品生产安全保障关键技术研究”(项目编号:2006BAK01B01)的支持下完成的,主要研究工作如下:　　 一、介绍了本课题的研究背景及目的,阐述了模式识别技术在国内外的研究现状及工程应用,列举了本研究的主要工作内容及创新点。　　 二、介绍和研究了部分信号处理方法及特征选择和提取技术,主要包括快速傅里叶变换、循环统计理论、经验模态分解以及基于奇异值分解和主成分分析的特征提取方法。　　 三、研究和改进了本论文中的两个重要模型,分别为经验模态分解过程中的局部均值模型及端点效应模型。在前人的研究基础上,提出了极值域均值和极值间均值相结合的局部均值模型,研究了端点效应处理方法,取得了一定的效果。　　 四、提出了基于二阶循环统计量的奇异值分解模型的模式识别方法,并将其引入到滚动轴承故障状态识别中来。借助于CWRU轴承数据中心的滚动轴承不同工作状态数据,对该模型进行了实验验证,取得了较好的识别结果,可以值得深入研究和应用。　　 五、提出了基于经验模态分解的主成分分析模型的模式识别方法,并将其引入到滚动轴承故障状态识别中,在CWRU轴承数据中心的试验数据支持下,对该理论模型进行了实验验证,结果表明识别精度较高,较好的完成了预期的目标。