研究滚动轴承剩余寿命预测技术,对保障机械设备运行的安全性和维修决策十分重要。为研究在实际工况下对滚动轴承进行寿命预测的方法,从信号盲源分离,特征提取和寿命预测三个方面深入研究,对粒子滤波算法进行改进,得到多策略协同进化的粒子滤波算法,并将其应用于滚动轴承的寿命预测。通过实验证明,该方法对轴承寿命预测的精度和准确度有较大的提高。本文主要研究内容如下:1.采用基于自适应最稀疏时频分析(adaptive and sparsest time-frequency analysis,ASTFA)的盲源分离(Blind Source Separation,BSS)算法对仿真信号和实验信号进行盲源分离。2.提出了一个用于轴承剩余寿命预测的新特征指标——加权融合指标(Weighted Fusion Index,WFI)。从轴承的振动信号中提取出的各种特征参数经过趋势性能评估和聚类分析后得到加权融合指标,该特征具备跟踪轴承衰退趋势的良好性能。3.将加权融合指标代入Paris-Erdogan模型中,初始化状态模型参数后,采用粒子滤波算法对模型参数进行实时更新,最后根据退化系统未来时刻的状态递推预测剩余寿命。通过实验验证基于粒子滤波算法对滚动轴承的寿命预测效果。4.提出了一个改进的粒子滤波算法——多策略协同进化的粒子滤波算法。考虑到粒子滤波算法中存在的粒子退化和粒子多样性丧失现象,改进重采样过程,提出自适应的适应度函数,引导重采样后的粒子样本朝着后验概率密度取值较高的位置方向进化,同时使粒子多策略差分进化,提高粒子权值和粒子多样性,从而提高算法的精确度。通过实验证明,改进后的粒子滤波算法对轴承寿命预测的精度和准确度要优于粒子滤波算法。