轴承是旋转机械中支撑转子的核心部件,直接关系着机械设备的稳定性和可靠性。因此,对其进行状态监测和故障诊断具有极其重要的意义。局部均值分解是Jonathan S.Smith于2005年提出的一种新的时频分析方法,为滚动轴承的故障特征提取提供了一种新的方法,它可以将原始信号自适应地分解成若干乘积函数分量之和,从而获得原始信号完整的时频分布和具有物理意义的瞬时频率。局部均值分解对振动信号没有要求,分解后不会造成故障特征信息的损失,在信号处理方面有着独特的优势。本文首先论述了机械设备状态监测和故障诊断技术的概况和发展趋势,阐述了国内外滚动轴承状态监测和故障诊断技术的研究现状和发展趋势,对比了时域分析法、频域分析法和时频分析法,重点阐述了局部均值分解法的研究现状及发展趋势,详细分析了滚动轴承故障发生的形式及其原因,给出了滚动轴承各个故障位置特征频率的估算公式。其次,本文研究了局部均值分解法的原理和算法,介绍了与局部均值分解法相关的几个基本概念,并通过仿真信号验证了局部均值分解法的可行性。本文对局部均值分解法的不足之处进行了改进。针对滑动平均法步长的选择问题,本文提出了基于光滑度的滑动步长选择法,利用功率谱低频部分与高频部分的能量比值来衡量平滑后函数的的光滑度。针对端点效应问题,本论文将镜像延拓法与三次样条函数插值相结合来解决,并验证了改进算法可以获得更好的分解效果。本文还研究了局部均值分解在分析实际振动信号时遇到的问题。本文对局部均值分解原始算法和改进算法在分析实际振动信号方面进行对比、分析、统计,总结了分解信号的一些规律。结合滚动轴承故障信号的特点,引入谱峭度方法,提出了基于局部均值分解和谱峭度的滚动轴承故障自动诊断方法。通过对实验室和工业现场的滚动轴承振动数据的分解和分析,表明将这两种方法结合起来可以更好的减少局部幅值过大现象的影响,更为准确的提取故障特征,为滚动轴承故障自动诊断提供了一种有效的方法。