在常见的机械设备中,滚动轴承作为整体器械的重要部件,其在运作中表现出来的性能好坏,直接关联到设备生产效率的高低,因而全面、精确、及时到位的识别滚动轴承的工作状态,显得尤为重要。滚动轴承出现故障是因为设备内部各部件周而复始的运作外加载荷转速等一系列因素,致使滚动轴承出现内圈、外圈以及滚动体的故障,并且在故障出现的同时,振动信号也伴随性的表现出剧烈的非线性和非平稳性的特征。本文将改进的经验模态分解与多尺度熵结合起来,提出基于多尺度下的固有模态函数熵值的一个故障诊断识别方法,应用到滚动轴承的振动信号当中,结合数据进行实验,做到理论加方法到应用的完整分析,站在一个新的视角去探测故障诊断,结果显示,通过改进的经验模态分解和多尺度熵的有机结合,得到的固有模态函数熵值作为故障特征,利用LIBSVM 3.1软件包进行训练模拟分类,可以准确的实现故障诊断识别。使本文的研究体现出重要的实际价值和意义。本文主要围绕以下内容进行研究:首先,把故障诊断的研究意义和现状作为整篇文章的引导语,紧接着介绍本文理论方法,基于小波函数的经验模态分解算法和多尺度熵算法,并对滚动轴承出现的故障形式及其形成原因加以阐述,利用改进的经验模态分解算法和多尺度熵分别对故障数据做特征提取,单方面解释故障识别效果,最后利用LIBSVM 3.1软件包,并将多尺度熵和改进的经验模态分解方法结合起来,实现故障的诊断和识别。