无线通信技术正在高速的发展中,现代社会也是科技竞争激烈的社会,在科学技术及现代工业的影响下,机械设备逐渐趋向大型集成化、精密智能化,这对于产品的性价比、环境资源的保护和经济效益的提高都有重要意义,然而这种趋势使得不同的机械设备之间以及同一机械设备的不同组件之间的关系变得更加复杂化,彼此之间的耦合形成了不可分割的整体。这种趋势对机械设备故障监测的时效和精准度提出了比以往更高的要求。一旦大型设备中某个微小的部件在运行过程中发生故障,就会对整个生产线造成极大的影响,经济损失也是不可估量的,甚至形成灾难性的后果。二十世纪初,轴承就作为旋转机械的核心部件被广泛的应用,然而这也导致它成为机械故障的主要来源。本论文主要以轴承为检测部件对大型机器进行故障诊断,并准确有效的检测出轴承故障类型及设计实时监测软件系统。在滚动轴承故障的早期诊断中,故障特征比较明显,噪声会对结果进行干扰,不容易识别故障。本文引出了一种基于小波变换改进后的时域频域图和对滚动轴承早期相对较微弱的故障诊断方法—卷积神经网络(CNN)。首先,使用加速度振动传感器来识别并采集轴承运行过程中的数据,数据的形式是动态的非平稳周期振动信号,再采用连续的小波变换对该信号进行处理得到时频图;并且通过自相关操作从时频图中滤除对应于每个频率的小波系数,以提取噪声分量并提取周期性故障分量;最后,利用希尔伯特变换进行包络解调以获得故障特征频率,并将处理后的时频图作为特征图输入。该方法可自动提取时频域特征参数,并在机器故障检测中表现出较高的准确性以及稳定性。本文利用了一种虚拟仪器技术—LABVIEW软件,对滚动轴承故障设计了一套完整的检测系统。软件主要包括配置采集参数,启动数据采集和存储模块,信号时频分析模块,CNN模型导入和结果显示模块。系统能够较为准确识别故障类型,具有实用性、稳定性和可移植性。