滚动轴承被广泛应用于众多机械设备中,它是极其重要而易受损坏的旋转部件,也是机械故障的主要源头,从而掌握滚动轴承的性能退化评估与剩余使用寿命预测技术成为了当今工业界的迫切需求。本文以滚动轴承作为研究对象,就轴承的退化机理分析、振动特征提取、轴承的性能退化评估与剩余使用寿命预测这四个方面展开了深入的研究。本论文的主要研究内容如下:(1)针对滚动轴承的监测信号难以直观表征轴承性能退化特性的问题,分析了轴承的退化机理分析,简述了轴承的状态监测/采集方法,为轴承振动特征提取的研究做好了前期准备。(2)针对在轴承性能退化评估和预测的任务中难以从原始的振动信号中提取到有效特征的问题,研究了以卷积稀疏编码为主体的轴承振动特征提取方法。本文提出了基于“利用ADMM优化带组合学习的卷积稀疏编码”的特征提取方法,利用该方法可提取到由重构误差信号的均方根和峰度、加权的稀疏系数组成的特征集,最后通过IMS轴承振动信号实例验证了该方法的有效性。(3)针对在轴承性能退化评估方法研究中,轴承的衰退指标难以构建与指标阈值难以设定这两个问题,分别研究了基于加权融合特征集信息的指标构建方法和基于置信区间的指标阈值设定方法。通过传统特征指标的曲线分析和时域振动信号的直观分析,指出了传统特征指标和直观的时域分析均难以用于评估轴承退化程度的问题。本文提出了基于“PCA融合特征信息的衰退指标构建、切比雪夫不等式的指标阈值设定和指数加权移动平均法的指标平滑”三者结合的轴承性能退化评估方法,通过标准的IMS轴承全寿命数据集验证了该退化评估方法的有效性。(4)针对在中小样本的情况下,传统的寿命预测方法和基于人工神经网络的方法都无法有效预测轴承剩余寿命的问题,研究了以SVR为主体的滚动轴承剩余使用寿命预测方法。本文实现了基于“相空间重构、果蝇优化和SVR”三者结合的轴承剩余使用寿命预测方法,通过IMS轴承全寿命数据集验证了该寿命预测方法的有效性。上述所有方法在标准的IMS轴承全寿命数据集上完成了有效性验证的实验。