滾動軸承是機械設備中應用最廣泛的零部件之一，隨著機械設備精密化和復雜化程度增加，對滾動軸承的精度和可靠性要求也越來越高。滾動軸承的損傷，即使是微小的損傷，都有可能影響整個設備正常功能的實現。因此滾動軸承的故障信息檢測，特別是早期故障微弱信號檢測就顯得尤為重要。本文將共振稀疏分解（Resonance-based sparse signal decomposition，RSSD）這一新的信號分解方法應用于滾動軸承早期故障微弱信號檢測，獲得了良好的效果。論文在滾動軸承系統單自由度振動模型的基礎上分析了滾動軸承故障沖擊響應的波形特點，提出了更接近實際情況的二自由度振動模型。研究了解調頻帶的確定原則和故障信號調制特征。結合實際測得的故障軸承振動信號，分析了滾動軸承早期故障信號的組成成分以及這些成分的產生原因和處理方法。論文研究了共振稀疏分解的主要參數對分解結果的影響規律，并通過仿真實驗驗證了共振稀疏分解法提取故障沖擊響應的可行性。用高共振分量來擬合故障沖擊激起的持續振蕩，用低共振分量擬合振動信號中的突兀部分（主要是故障沖擊脈沖響應中有突躍變化的振蕩峰和噪聲信號中的尖峰），噪聲中幅值比較均勻的部分絕大多數包含在殘余分量當中。論文研究了滾動軸承故障信號共振稀疏分解的參數確定，并提出了基于共振稀疏分解的故障信息提取方法。具體流程為：先根據振動信號頻譜確定待解調的固有頻帶，再對其進行共振稀疏分解，提取高低共振分量中待解調固有頻帶附近的子帶，然后分別對這些子帶求和得到主子帶，將高低共振分量的主子帶求和得到原始信號的主子帶。對三種主子帶包絡解調得到包絡信號，最后對各主子帶的包絡信號進行自相關處理并獲取包絡信號的自功率譜，自功率譜中的峰值將反映故障程度和發生故障的元件。

　　為了驗證本文提出的故障信息提取方法的有效性，對不同故障類型和故障尺寸以及不同工況下的滾動軸承振動信號進行了研究，并與包絡分析和小波分析進行了對比研究。結果表明本文提出的基于共振稀疏分解的故障信息提取技術得到的頻譜毛刺更少，信噪比更高，并且該方法比傳統包絡分析和小波分析更能揭示故障沖擊響應的振幅調制頻率。為滾動軸承早期故障微弱信號的檢測提供了新的解決途徑。