针对滚动轴承故障冲击成分易淹没在强噪声中这一问题,提出了一种自适应噪声完备集合经验模态分解(complete　ensemble　empirical　mode　decomposition　with　adaptive　noise,CEEMDAN)和粒子群优化的多点最优最小熵解卷积(partical　swarm　optimized　multipoint　optimal　minimum　entropy　decon-volution　adjusted,PSO-MOMEDA)相结合的故障诊断方法.由于MOMEDA的重要影响参数故障周期搜索范围T和滤波器长度L依赖人为经验选择,采用粒子群优化算法对这两个参数进行寻优.首先,采用CEEMDAN分解信号,依据峭度-相关系数准则筛选最优分量;其次,使用PSO对MOME-DA进行参数寻优,对最优分量使用MOMEDA进行滤波处理;最后,对滤波后的信号做包络谱分析,提取故障特征信息.通过仿真信号和实验信号分析表明,与单独使用CEEMDAN算法,将MOME-DA方法替换成MCKD方法相比较,该方法能够有效增强噪声中的故障冲击成分,准确提取轴承故障特征频率,准确诊断轴承故障.