滚动轴承是旋转机械设备的重要部件之一,由于长期磨碰运行极易发生表面剥离等故障,造成设备停机、损坏等,带来重大经济损失,对其进行早期故障检测尤为必要。振动诊断法是目前被广泛应用而且十分有效的检测方法之一,现有研究主要集中在恒定转速下轴承故障判别。实际工程应用中,受负载随机变化等因素影响,轴承转速是随时间变化或波动的,直接采用常规的频谱分析等方法会导致频谱模糊或误诊断。变转速状态下轴承故障诊断问题是目前研究的热点方向之一,尽管一些学者进行了探究并取得一些初步的研究成果,但是,仍然存在一定不足。为此,本文引入三阶循环统计量理论,探究变转速下轴承故障特征提取问题。具体成果如下:通过变转速状态下轴承的振动机理分析,研究建立一种新的轴承振动信号分解模型,将振动信号分解为与故障有关的确定性成分、与故障无关的确定性成分、高斯和非高斯随机成分,为了凸显变转速时振动信号中非高斯成分变化情况,依据概率密度函数是否对称将非高斯随机成分进一步划分为对称性非高斯成分和非对称非高斯成分。引入基因遗传的跟踪匹配方法,从完备的原子库中寻找与不同随机成分的最佳匹配原子,结合有关于确定性成分数学描述的相关理论研究成果,建立了振动信号模型中各个成分的数学描述方法。基于试验台的模拟数据,验证了所提出变转速振动信号分解模型的合理性。为了有效提取变转速状态下轴承故障特征频率成分,引入三阶循环统计量方法,去除振动信号中高斯随机成分以及对称非高斯随机成分,并将非对称非高斯成分置为常数;引入三阶循环平稳度来衡量信号循环平稳特性,并建立转速波动划分机制。同时,采用正弦波抽取算法,去除混在信号中与故障无关的确定性成分,进一步凸显振动信号中与故障有关的确定性成分。最后,基于仿真和模拟实验台数据,验证了算法的有效性,结果表明,相比于谱相关密度组合切片方法,改进循环双谱方法不仅能够处理转速小滑动情况,同时可以有效提取出加速、减速等速度变化较大时轴承故障特征频率。