近年来,轨道交通凭借运力大、速度快、安全高效、绿色环保等特点,在我国乃至世界范围的综合运输网络中都发挥了至关重要的作用。滚动轴承作为列车的关键旋转部件,其运行状态的好坏直接影响着整个列车的行车安全。而滚动轴承从正常到失效往往要经历一个连续的退化过程,因此,在设备运行过程中实现轴承性能退化程度的准确监测,对有针对性的制定部件维修计划,防止事故的发生有重要意义。本文基于上述主动设备维护的思想对列车滚动轴承性能退化在线评估进行了如下系统的研究工作：1.在认真梳理了列车滚动轴承的构造、退化模式及常用信号处理方法的基础上,充分借鉴了相关领域的研究成果,系统的提出了针对数据不同完备情况的列车滚动轴承性能退化的在线评估方法。2.针对所提取的特征向量需充分描述滚动轴承所处退化状态这一难点,本文应用局部均值分解方法将所采集到的振动加速度信号进行分解,通过比较发现局部均值分解方法比常用的经验模态分解方法分解效率更高,辨识效果更佳；其次,对分解后的各分量从时域方面进行多特征提取；最后应用主成分分析方法对各分量的所提取的特征指标进行降维和融合,将得到的主元作为最终的特征指标。3.针对列车滚动轴承数据不完备情况,提出了基于支持向量数据描述的轴承性能退化在线评估方法,并进行了自适应报警阈值的设定。该方法仅通过将滚动轴承正常运行时的特征数据作为输入,训练支持向量数据描述得到特征空间的最小容积的超球体,进而根据轴承待测状态的特征值到超球体球心的距离值量化滚动轴承的退化程度。在此过程中利用基于相似度权重动态调整的粒子群算法对支持向量数据描述建模中涉及到的核参数及惩罚值进行了选取。通过利用两个滚动轴承的实际数据对上述方法进行了测试,证实该方法能在数据不完备状况下准确识别轴承的性能状态变化,并及时作出报警。4.针对列车滚动轴承数据完备的情况,首次提出了分段投票思想,并将其与最小二乘支持向量机及最小二乘支持向量回归结合,进行了轴承退化模式在线识别、性能退化评估及剩余寿命预测。通过轴承的全寿命特征数据进行了实例验证,证实将传统方法与分段投票思想相结合能够更加准确识别退化模式及描述性能状态,并在寿命预测方面取得了良好的效果。最终利用同型号的不同轴承的全寿命特征数据对该方法进行了推广性验证,并简要介绍了应用上述方法开发的列车滚动轴承性能退化评估软件的功能结构。