物流机械轴承是物流机械装备转子系统的核心部件,也是极容易出现故障的部件,其安全运行与否对整个物流机械装备有至关重要的影响。因此研究物流机械轴承故障诊断方法具有重要意义。本文以物流机械轴承为研究对象,在总结现有故障诊断技术的基础上,对物流机械轴承振动信号的特征提取方法进行研究。本文的主要工作如下:（1）进行了物流机械轴承振动信号采集的模拟实验,采用滚动轴承作为故障轴承,收集了正常、内圈故障、外圈故障、滚动体故障的四种状态下单一故障模式和复合故障模式的振动信号,为后续验证方法提供数据。（2）针对物流机械轴承故障信号复杂、故障特征不易提取的问题,采用多尺度模糊熵的特征提取方法结合支持向量机对单一故障模式的原始振动信号进行故障诊断。通过对比单一尺度算法,多尺度模糊熵可以在多尺度方面对故障特征进行提取,具有较高的计算精度和识别效率。（3）针对多尺度模糊熵（MFE）具有硬阈值分割、忽略高频分量等缺点,提出基于自适应模糊熵的物流机械轴承故障特征提取方法。采用经验模态分解方法（EMD）对原始振动信号进行分解,将原始振动信号分解成频率不同的信号,从不同频率角度上进行分析原始振动信号的故障特征。实验验证表明,自适应模糊熵对比多尺度模糊熵方法能够更好的进行特征提取。（4）针对EMD方法存在端点效应、局部均值分解法（LMD）存在分解结果失真和分解效率低、本征时间尺度分解法（ITD）分解结果明显失真的问题,提出内禀特征尺度分解（ICD）,采用基线形式来构造原始振动信号的局部均值函数和包络估计函数,然后对其进行局部均值分解,增强对信号局部幅值信息的描述。实验验证表明ICD对比LMD不仅提高了计算精度,也提高了计算效率,最后和模糊熵结合,并用分类器对特征向量进行模式识别,验证了ICD-FE方法可以用于物流机械轴承的故障诊断。