滚动轴承作为旋转机械的核心部件,一旦出现异常将影响设备的正常工作,因此,研究滚动轴承故障诊断方法对于保障机械设备的安全性和可靠性具有重要意义。本文以滚动轴承为研究对象,针对滚动轴承振动信号的特征提取和故障模式分类的问题,进行了一系列的研究工作。主要内容如下:首先,在理论分析和工程应用的基础上,系统阐述了此课题的研究背景及实际意义,对滚动轴承的结构、振动机理、诊断方法,以及滚动轴承故障诊断的研究现状与发展趋势作了较为全面的阐述。其次,为了克服经验模态分解方法中模态混叠和过分解等缺陷,在综述传统信号处理技术和现代信号处理技术的基础上,介绍了变分模态分解方法,并通过仿真对比分析,证明VMD算法能很好的完成频率分离,在抑制模态混叠以及抗干扰方面的性能优于EMD方法。再次,本文以混沌思想替代粒子群算法原有的以随机方式产生初始种群的方法,并将混沌粒子群优化算法用于支持向量机中,以替代传统支持向量机利用网格寻优初始化参数的方法。利用VMD多尺度熵均偏值作为特征参数,输入到分类网络中进行分类测试,分类结果表明该方法在滚动轴承故障模式分类方面的有效性。最后,本文利用Lab VIEW软件开发了一套滚动轴承故障诊断系统,集数据的采集存储、特征提取与故障分类功能为一体,该平台提供良好的人机交互界面,通过实验证明该系统具有实用价值。