关节结构作为旋转机械的核心部件,起着传动动力、连接部件的重要作用。关节结构故障会造成机器人工作位姿不准确,影响运动精度,而吊车中的关节结构故障也会影响吊车的正常运转。因此对关节结构进行故障诊断具有非常现实的重要意义。本文使用的微传感器不仅能够实测机械大范围的空间运动,还能够实测局部的振动响应。因此能够将机械的宏观运动和微小运动状况相结合,从而实现对关节结构的故障诊断。由于轴承是转动关节中经常出现的转动元件,容易发生机械故障,并且目前针对轴承的故障诊断方法有了长足的发展,对关节结构的故障诊断方法研究有一定的借鉴作用。因此,本文主要针对滚动轴承进行故障诊断。本文主要完成了以下几个方面的工作:（1）本文设计并制作了一个关节结构故障实验台。主要由驱动成分、传动部分、关节结构构成。实验台通过轴承实现固定臂与转动臂的相对转动,通过电机带动钢丝绳的卷绕,能够实现转动臂在垂直平面的转动。（2）本文对实验台进行数据建模,并且使用动力学仿真软件对实验台的运动情况仿真分析。通过观察不同故障下的仿真输出数据,可以发现实验台在存在不同故障时输出的加速度数据与角速度数据明显不同。（3）本文设计了基于Mahony滤波的IMU信号融合算法和轨迹拟合算法。信号融合算法中,主要用到的是角速度信号,使用加速度信号和地磁信号对其进行修正。而在轨迹拟合算法中,主要是对加速度信号积分,去漂移,再积分,再去漂移的过程。并使用仿真数据验证轨迹拟合算法。信号作高通滤波之后拟合可以简单的提取微运动轨迹。（4）对原始信号的数据处理方法进行了改进。对改进后的数据处理方法进行验证发现符合能够提取故障轴承的微运动信息。实验可以证明微运动轨迹能够反映不同故障、不同转速、不同负载的运动特征。（5）使用三种流形学习降维的算法,对三维空间内的微运动轨迹进行降维处理,对比三种算法对微运动轨迹降维的优劣情况。对降维后的轨迹信号进行数据处理,采用基于傅里叶描述子的方法对敏感特征进行提取。