针对滚动轴承故障诊断存在的故障程度难以区分、早期故障不易发现、故障诊断精度低等问题,这里提出了一种基于小波包变换(Wavelet Packet Transform,WPT)、主成分分析(Principal Component Analysis,PC A)与支持向量机(Sup-port Vector Machine,SVM)相结 合的滚动轴承故障程度诊断方法.该方法首先对原始信号进行小波包分解,然后对分解后的信号进行重构,计算重构信号能量作为特征值;随后,运用主成分分析对特征向量进行降维,将降维后的特征输入支持向量机,完成故障模型的训练与测试.这里主要分析了累计贡献率、小波包分解层数、母小波类型对故障诊断成功率的影响.实验结果表明此方法可以有效地识别不同故障位置的故障程度.