在强噪声背景下滚动轴承的微弱振动信号检测一直是核电站工程检测领域的难题。在滚动轴承故障的早期阶段，弱故障特征往往被周围的噪声所淹没。除了设备部件之间的相互耦合现象外，故障信号在频率和振幅上表现出复杂性，这给轴承的故障特征提取和设备的状态监测带来了极大的挑战。为此，本文提出了一种基于鲸鱼优化算法的自适应随机共振 （SR） 和局部均值分解 （LMD） 模型相结合的振动信号增强和特征提取方法。该方法首先对原始故障信号进行局部均值分解，然后选择最能代表故障特征频率的PF分量作为随机谐振模型输入，以信噪比为评价指标，采用鲸鱼优化算法对随机谐振参数进行自适应优化，得到最优谐振输出信号。构建仿真信号，利用凯斯西储大学轴承故障数据集验证模型效果，结果表明，所提方法在强噪声背景下能有效提取滚动轴承的故障特性，增强原本微弱的振动信号，避免了单独使用随机共振方法检测精度低的问题，具有较好的可靠性。