滚动轴承作为采煤机驱动侧的关键零部件，通过支撑驱动齿轮的运转来保证采煤机正常工作；且采煤机等综采设备工作环境恶劣、负载多变、强噪声干扰，轴承等关键部件极易出现故障时，早期微弱故障信号呈现非线性、非平稳性，易被淹没，致使精准研判轴承等关键部件的故障位置、严重程度成为困扰综采设备运维亟待解决的难题。本文重点研究基于形态平均滤波、集合经验模态分解和Hilbert变换解调方法的滚动轴承故障诊断方法。　　首先，介绍了采煤机常见的故障形式以及现有的旋转机械故障诊断方法，并说明了神东公司寸草塔二矿常用的现代交流变频电牵引双滚筒采煤机的基本结构、工作原理。　　其次，引入形态平均滤波方法、集合经验模态分解和Hilbert变换解调方法，分别介绍其基本理论并通过仿真信号验证其在信号处理领域的优越性。论文通过将上述三种方法的有机融合、相互弥补，提出一种基于形态平均滤波与EEMD希尔伯特变换解调相结合的故障诊断方法。　　最后，为了对上述方法进行验证，本文分别利用了试验台数据和现场数据对上述方法做了仿真实验。实验一，借助美国SpectraQuest公司的轴承动平衡故障模拟实验台采集滚动轴承故障状态下的振动信号，利用形态平均滤波对其进行降噪处理，然后利用EEMD方法将降噪后的信号分解成一系列本征模态分量，通过对每个分量进行希尔伯特变换解调找到了滚动轴承的故障特征频率，验证了方法的有效性。试验二，在矿井现场，借助于LMSTest.Lab多通道数据采集仪获取采煤机驱动侧轴承的振动信号，同样利用上述方法对该信号进行降噪、分解和解调，然后通过故障特征频率判定了驱动侧轴承的健康状态和故障类型。