旋转机械是机械设备中最常见的机械系统,对旋转机械的故障诊断是一个热门的研究方向,自从我国提出工业4.0时代与中国制造2025,设备健康监测与故障诊断的在线检测成为了一个关键点。本文中以滚动轴承作为实验的研究对象,应用了声发射检测技术在线、实时的,对OPZZ-II型旋转机械故障模拟实验平台采集了正常以及4种故障轴承的声发射信号。针对现有的滚动轴承故障诊断方法的不足,改进了故障轴承声发射信号的诊断方法。本文的主要工作包括以下几个方面:(1)本文讲述了金属材料与声发射之间的联系,阐述了故障滚动轴承是如何产生声发射信号,又具体描述对故障滚动轴承的采集试验。(2)提出了一种新的信息处理方法——APFFT/FFT-EMD算法,解决了因EMD分解后IMF分量较多不能有效选取,导致滚动轴承故障声发射信号特征难以获取的问题。该方法利用APFFT/FFT算法与EMD算法相结合,通过APFFT/FFT综合相位差校正的思想与EMD相融合后,取前两个IMF分量进行信号重构,从而进行希尔伯特谱验证,经过对轴承故障仿真信号、滚动轴承外圈故障声发射实测的信号分析结果表明,本文方法可以有效地提取滚动轴承外圈故障信息。(3)针对滚动轴承故障的声发射特征参数,选取其中8个特征参数绘制出三种三维特征图,然后进行分析,通过对声发射的特征参数一系列的变化情况,能够较好地判别出正常与故障滚动轴承。(4)针对滚动轴承故障识别问题,提出了基于杜鹃搜索算法与BP神经网络的故障识别算法(CS-BP)。杜鹃搜索算法是一种寄生性与莱维飞行并行的机制,具有高效的寻优模式并可达到全局最优。CS-BP算法通过对滚动轴承故障的声发射特征参数进行网络的训练及测试,相对于BP、GA-BP、PSO-BP以及APSO-BP识别算法具有精度高的优点。