针对滚动轴承产生的非线性振动信号的特点提出将EMD降噪和关联维数相结合来描述轴承工作状态进而对其进行故障诊断的方法。通过实验定量计算出EMD降噪前后滚动轴承正常工况和不同部件故障时的关联维数值结果表明经EMD降噪处理后不同模式下的关联维数具有明显的可分性和严格的区间范围可以作为智能监测与诊断的参考依据。

轴承局部损伤故障引起的振动响应往往会被较大的振动信号所掩盖影响故障的正确诊断。本文提出IMF分量的倒频谱分析方法首先将复杂的信号分解为有限的内禀模态函数（IMF）之和对原始振动信号进行降维;再对IMF分量进行倒频谱分析利用倒频谱方法准确地提取振动信号幅值谱上的周期特征。对EMD分解得到的多个IMF分量同时做倒频谱分析可以相互验证从而得到更可靠、更准确、更可信的诊断结果。通过对IMF分量的倒频谱分析法和Hilbert包络谱分析法诊断效果进行比较结果表明IMF分量的倒频谱分析方法比Hilbert包络谱分析提取的故障频率特征更精准、可靠。