研究滚动轴承的故障诊断技术,对于保障机电设备安全、减少的经济损失具有重要的意义。滚动轴承的振动信号是非稳态信号,常用的时频方法Winger-Ville分布、短时傅里叶变换、小波变换和经验模态分解等都存在各自的缺陷,故需要研究新滚动轴承故障方法。本文探究了迭代滤波分解方法的理论及其在滚动轴承故障识别中的应用。其主要内容如下:对于滚动轴承方法,在探讨了其常见诊断方法的研究现状基础上,找出其存在的问题,为进一步研究做准备。通过探究迭代滤波的理论,对迭代滤波分解效果进行仿真分析,使用了基于镜向延拓的迭代滤波方法,解决了迭代滤波方法的端点效应缺陷;利用仿真信号分解比较了迭代滤波方法和EMD的分解效果,发现迭代滤波方法在克服端点效应缺陷和模态混叠方面更有优势,且对含噪声的分解方面有更好的适应性。针对共振解调方法中滤波频带人为选择难的问题,使用了基于迭代滤波分解与功率谱的滚动轴承故障诊断方法,并通过实验信号和工程真实信号进行了验证。分析采用迭代滤波分解对轴承信号分解的滤波特性,该方法简单,具有应用价值。同时将该方法与基于EMD的功率谱的诊断方法,进行了对比,结查表明,前者在提取轴承损伤特征方面优于基于EMD与功率谱轴承识别方法;但是基于迭代滤波分解的轴承故障诊断方法提取滚动轴承内外圈故障方面取得了较好的效果,但是在轴承滚动体故障特征提取中失效。针对轴承信噪比低的难题,提出基于迭代滤波和最优最小熵反褶积的轴承诊断方法,采用最优最小熵反褶积对轴承信号消噪处理,能提高迭代滤波方法的诊断效果,对于故障轴承信号,先利用迭代滤波分解,再对关键分量进行最优最小熵去噪,能准确地匹配轴承故障特征,提取的效果良好。此方法在提取滚动体故障方面效果良好,且优于包络谱分析。针对轴承信噪比低的问题,使用了基于迭代滤波和包络谱的滚动轴承故障诊断方法,该方法先分解轴承损伤信号,再利用包络谱分析关键本征分量,能有效地提取轴承故障特征,该方法简便实用。通过比较表明,该方法优于单一的包络谱方法。最后利用美国西楚学的内外圈故障数据检验了该方法的有效性