随着望远镜的口径越来越大，探测能力和分辨率的逐渐提高，望远镜运行过程中系统的微弱振动，都会对成像系统造成巨大影响。由于望远镜长时间工作在复杂的气候环境，会引起传动系统的故障，导致机械结构的振动，降低望远镜的成像质量和观测能力。在传动系统中，滚动轴承是关键的部件，也是最容易产生故障的部件。因此，望远镜传动系统中的滚动轴承故障状态监测与诊断研究，对于提升望远镜的工作性能至关重要。本研究以滚动轴承作为研究对象，为解决微弱故障信号在强干扰和噪声条件下，特征难以准确提取的问题，提出一种基于模态筛选的滚动轴承故障诊断方法。全文主要的研究内容和成果如下：

（1）针对经验模态分解(Empirical Mode Decomposition，EMD)过程中的模态混叠问题，提出了频谱面积的衡量指标，利用变分模态分解(Variation Mode 
Decomposition, VMD)算法克服了模态混叠，准确提取了故障信号的时频信息。

（2）针对微弱的故障信号经过分解后，故障冲击信息主要分布在部分固有模态函数(Intrinsic Mode Function, IMF)中，而其他IMF则主要是干扰和噪声的问题，提出了基于故障因子的模态筛选方法。所提故障因子以排列熵作为评价因子，不仅考虑故障信号自身的突变，还以正常状态信号为参考，排除了噪声和干扰信息对检测的影响。最终提取了敏感模态，增加了信号的信噪比。
（3）针对单一排列熵特征难以满足故障诊断正确率的问题，提出了延搁均值和移动均值的数据处理方法，结合排列熵理论构成多尺度排列熵算法，利用多尺度排列熵提取了熵值特征，实现了最终的故障分类与诊断。
 
仿真和实验结果表明，基于模态筛选的滚动轴承故障诊断方法，仿真信号信噪比至少提高了 62.2%，均方根误差降低了21.5%以上。故障诊断正确率提高24.3%，说明了该方法的有效性。