滚动轴承作为旋转机械中一个重要组成部分,因其往往工作在复杂工况和恶劣环境中,所以也是容易损坏的机械零件之一,一旦故障发生,将带来重大的安全隐患和经济损失。因此,对滚动轴承的故障诊断方法进行研究具有十分重要的现实意义。滚动轴承故障诊断主要步骤有采集轴承运行信息,从信息中提取故障特征,根据故障特征进行状态识别和故障诊断。其中特征提取和状态识别最为重要,当轴承发生故障时,其振动信号往往表现为非平稳性,本文提出将变分模态分解和支持向量机相结合的方法实现滚动轴承的故障诊断。变分模态分解是一种新的信号处理方法,本文深入研究了其算法的基本原理,并用量子粒子群算法对其参数进行了优化,用仿真信号和实测信号验证了变分模态分解相对于经验模态分解在故障信息提取方面更有优势。另一方面本文介绍了支持向量机的基本原理及其在小样本分类问题上的优势,将用变分模态分解处理后的模态分量的能量作为特征输入到支持向量机中,根据其输出结果对故障进行分类识别,采用实际信号验证了方法的有效性。最后提出了一种耗时较短的变分模态分解参数确定方法,用实验数据进行了验证。并基于Matlab GUI界面开发了界面友好、操作简单、故障诊断准确率高的滚动轴承故障诊断软件,用轴承实验数据进行了验证,结果表明了此软件正确可行。