滚动轴承是机械设备中使用最广泛,同时也是最易损坏的零件之一。许多机械设备的故障都与滚动轴承运行的状态有关,其运行状态良好与否直接影响着整台设备的性能。因此,对滚动轴承进行故障检测具有十分重要的意义。对滚动轴承的振动信号数据进行分析,是监测滚动轴承运行状态的有效途径。因此本文提出了基于小波包能量谱的故障识别方法,其采用小波包分析方法,提取振动信号的能量特征,并以此为基础建立故障识别模型,用于检测和识别振动信号中的故障信息。本文以美国西储大学滚动轴承实验中心的实验数据为背景,对所提出的方法进行仿真分析。主要进行了以下工作：(1)采用小波包能量谱—主元分析的故障检测方法,来建立故障检测模型。首先对振动信号进行小波包分解,提取小波包能量谱特征向量,以此作为主元分析的输入,建立故障检测模型,通过SPE统计量和T2统计量检测出轴承故障。(2)提出小波包能量谱—稀疏核主元分析故障检测方法。核主元分析需要构建核矩阵,其维数等于样本的数量,因此产生维数灾难、计算复杂等问题。为此本文采用稀疏核主元分析方法来进行故障检测,该方法通过增量式样本基构造方法,提取能量频谱的样本基,以此样本基建立核主元模型。稀疏核主元方法能有效地减少核矩阵维数,降低了核主元分析的计算复杂度,计算效率得到提高。(3)本文提取了振动信号小波包能量谱,构建了信号的能量特征向量,对能量特征向量进行主元分析、核主元分析和稀疏核主元分析,建立故障识别模型,并应用于美国西储大学提供的滚动轴承振动信号数据,验证了这三种分析方法的有效性。(4)最后,本文基于MALTLAB和C++Builder软件的混合编程,设计了检测滚动轴承故障信号的软件系统,以上提出的故障识别模型是该检测软件的核心。