【摘要】随着滚动轴承在日常生活和工业中的应用日益广泛，其故障诊断的重要性也日益凸显。 本研究基于凯斯西储大学（Ｃａｓｅ Ｗｅｓｔｅｒｎ Ｒｅｓｅｒｖｅ Ｕｎｉｖｅｒｓｉｔｙ，ＣＷＲＵ）数据集，首先，针对是否采用经验模态分解（ｅｍｐｉｒｉｃａｌ ｍｏｄｅ ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＥＭＤ）对原始数据做预处理进行了探讨，并分析了这一步骤对后续故障诊断的影响。 然后，从传统神经网络中的人工神经网络（ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＡＮＮ）及其衍生模型，以及卷积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＣＮＮ）及其衍生模型两个角度，对滚动轴承的故障诊断进行了分类讨论。 本文通过对比不同模型在故障识别方面的性能，以期为滚动轴承故障诊断提供一种更为准确、有效的方法，以确保设备的安全可靠运行。