早期的设备故障诊断技术主要依靠设备管理人员的看、昕、闻。这需要积累丰富的实践经验,而且效率低下。如今的机械设备越来越大型化、集成化、智能化和精密化,可靠性和稳定性的要求也在不断的提高,研究开发机械设备的故障诊断技术也越来越重要。在故障产生后的维修与诊断已经与现代化生产的节拍不相匹配,生产单位需要在故障发生的初期对其监测和诊断,这样可以起到减少故障的发生率,降低维护成本提高经济效益。本文研究的就是基于改进谱峭度的滚动轴承早期故障诊断方法,提出了FFT谱峭度、单一增强解调带宽谱峭度、粒子滤波谱峭度三种方法。并用多种故障数据对三种方法做了验证与分析。文章提出基于FFT谱峭度的故障诊断方法。为了降低噪声影响,先做了EEMD预白化处理,然后计算信号的FFT频谱。借鉴小波包分解的二叉树原理,对FFT频谱计算不同层的各个子频带的峭度值,汇总形成谱峭度图。选取峭度值最大的子频带解调分析,计算功率谱。通过对仿真信号和试验数据来验证此方法的可行性。提出增强解调带宽峭度方法诊断滚动轴承故障信息。首先对原始数据做小波包分解,小波包分解的层数N是依据Protrugram窄频带原理计算得到的。紧接着做小波包N层分解,计算第N层各频带小波包系数的峭度值,选取峭度值最大的频带重构做频谱分析,计算功率谱,最后计算功率谱的自相关,得到增强谱峭度。为了证明算法的可行性,用仿真信号以及实际工程的应用信号通过增强单一窄频带的算法做验证分析,分析的结果表明了此算法是有效可行的,也对比了没有增强之前的诊断效果。用粒子滤波降噪的方法与快速谱峭度结合,做微弱故障诊断。基于自回归模型时序模型(Autoregressive model,AR)建立振动信号的状态方程,将状态方程与背景噪声之和作为观测方法,联立状态方程和观测方程得到粒子滤波的状态空间模型。将参数代入状态空间模型,对原始振动信号重新估算降噪,利用快速谱峭度方法计算降噪后的谱峭度,做频谱分析。通过三种轴承故障信号验证此方法的可行性,同时也与原始的快速谱峭度算法做了对比分析。结果表明粒子滤波谱峭度的结果要好于快速谱峭度,频谱图的可视性效果增强。