近年来,铁路的蓬勃发展在我国国民经济发展中起着无可替代的推动作用。滚动轴承作为铁路列车走行部的关键零部件,它的健康状况与铁路运行安全密切相关。滚动轴承因其过多的损伤诱因、恶劣的工作条件以及寿命离散性特点等因素导致故障问题多发,造成了巨大的社会经济损失及安全效益问题。本文以滚动轴承作为研究对象,提出了以变分模态分解与支持向量机方法为核心的滚动轴承故障诊断算法,所做的主要工作如下:(1)研究了滚动轴承的基本组成,并对滚动轴承的故障机理、基本模式与故障振动频率进行了理论分析与公式推导。在此基础上,对典型的滚动轴承故障诊断方法进行了分析,并总结了各种方法的优缺点。(2)研究了变分模态分解算法,并与经典的经验模态分解算法做了对比分析;在总结前人对变分模态分解算法研究的基础上,分析了当前变分模态分解算法存在的问题并找出了解决方案。(3)提出了基于参数优化的变分模态分解算法。针对当前变分模态分解算法存在的问题,从影响变分模态分解算法的两个最为重要的参数:模态数k和惩罚因子α入手,选取优化效果较好的种群算法——蝗虫优化算法和变分模态分解算法进行结合,对两个参数进行自适应寻优选取,达到最好分解效果。(4)针对优化算法的适应度函数以及变分模态分解后模态分量的选取问题,提出了以相关峭度指标作为优化算法适应度函数以及模态分量的筛选标准,并与以往的峭度指标和相关系数指标做对比,对相关峭度的概念及优点进行分析讨论。(5)提出了以变分模态分解算法为滚动轴承故障信号的预处理方法,对预处理后模态分量构建模态矩阵,进行奇异值分解并提取奇异值作为分类特征,利用对小样本数据分类有较好效果的支持向量机方法进行最后的故障分类。(6)通过仿真信号和凯斯西储大学滚动轴承故障实测数据库数据验证,结果表明了本论文提出的滚动轴承故障诊断方法具有较强的可行性及较高的故障识别率,具有一定的研究意义。