进行FFT分析可得如下三张图：
图1 正常轴承
图2 内圈故障轴承
图3 外圈故障轴承
从正常轴承的频谱图(图1)可以看出，在频率为0~2000Hz和10000~12000Hz的频段有较高阶谐波，且呈对称状态，幅值较大，最大幅值在1000Hz和11000Hz左右。在2000~10000Hz的频段中，幅值很小。
从内圈故障的频谱图(图2)可以看出，在频率为0~4000Hz和8000~12000Hz的频段有较高阶谐波，且呈对称状态。在4000~8000Hz的频段中，波形幅值较小。 从外圈故障的频谱图(图3)可以看出，在频率为0~5000Hz和7000~12000Hz的频段有较高阶谐波，且呈对称状态，最大幅值在1000Hz和11000Hz左右。在5000~7000Hz的频段中，波形振幅较小。
通过上面三幅图之间的比较可知，正常轴承的频率比较集中，主要集中在0~2000Hz和10000~12000Hz的频段，而故障轴承的频率较为分散，在0~4000Hz和8000~12000Hz的频段；内圈故障的轴承和外圈故障的轴承没有太大的区别，从图对比只能看出，外圈故障的轴承的高阶谐波频段稍微宽点。
由于各种特征频率都是从理论上推导出来的，而实际上，由于轴承的各几何
尺寸会有误差，加上轴承安装后的变形、FFT计算误差等因素，使得实际的频率与计算所得的频率会有些出入。所以在频谱图上寻找各特征频率时，须在计算的频率值上找其近似值来作诊断。在实际工业现场的信号是及其复杂的，包含了诸多轴、齿轮等的强振信号，而滚动轴承的故障信号因为强度太小，而被淹没。在机械中，滚动轴承以其尺寸精度固定了转轴的轴心空间位置，一旦滚动轴承内的故障引发振动，必然影响转轴的轴心位置，导致对应转轴转动频率的振幅加大，若能排除轴上其他零件的原因，即可诊断出轴承故障。
附MATLAB程序： （1）正常轴承程序 x=X097_DE_time;%信号数组 subplot(2,1,1); plot(x);%时域波形 xlabel('时间序列'); ylabel('幅值'); title('信号时域图'); fs=12000;%采样频率 N=length(x); n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 subplot(2,1,2)
stem(f(1:N),m(1:N));%绘出频谱图 xlabel('频率/Hz'); ylabel('幅值'); title('信号频谱图'); grid on;
（2）内圈故障轴承程序 x=X278_DE_time;%信号数组 subplot(2,1,1); plot(x);%时域波形 xlabel('时间序列'); ylabel('幅值'); title('信号时域图'); fs=12000;%采样频率 N=length(x);
n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 subplot(2,1,2)
stem(f(1:N),m(1:N));%绘出频谱图 xlabel('频率/Hz'); ylabel('幅值'); title('信号频谱图'); grid on;
（3）外圈故障轴承程序 x=X294_DE_time;%信号数组 subplot(2,1,1); plot(x);%时域波形 xlabel('时间序列'); ylabel('幅值'); title('信号时域图'); fs=12000;%采样频率 N=length(x); n=0:N-1;
y=fft(x,N);%进行fft变换
m=abs(y(1:N))*2/N;%求信号的真实幅值 f=n*fs/N; %进行对应的频率转换 subplot(2,1,2)
stem(f(1:N),m(1:N));%绘出频谱图 xlabel('频率/Hz'); ylabel('幅值'); title('信号频谱图'); grid on;