滚动轴承作为工业设备的关键零部件之一,在实际工程应用中,受环境条件、运行条件等不确定因素的影响,轴承运行过程中会出现多种失效模式,从而产生非平稳振动信号。对于不同工况下滚动轴承剩余寿命预测问题,一方面变转速带来的非平稳信号健康指数精确提取困难,另一方面,轴承退化模型参数是随着轴承性能退化而变化,固定的退化模型参数对剩余寿命预测带来较大误差。针对退化特征提取及选择问题,本文首先分析轴承的失效机理,计算不同故障的特征频率;其次利用不同特征提取方法获取不同特征信息;然后通过特征评价指标对轴承的退化特征进行选择,分析不同类型信号对轴承退化性能的影响,从而准确提取代表轴承全寿命周期运行状态的敏感特征,获得最优的退化特征指标。针对恒定工况寿命预测问题,提出一种基于时变参数退化模型和粒子滤波的滚动轴承剩余寿命预测方法。首先,利用支持向量描述（SVDD）模型进行训练和测试确定寿命预测起点;其次,根据实时有限元模型分析结果建立轴承的时变参数退化模型,并利用粒子滤波算法（PF）对轴承退化状态进行估计,并对其剩余寿命进行预测;最后,利用XJTU-SY轴承公共数据集和BPS滚动轴承加速寿命预测实验台的恒速实验数据对所提方法进行验证,并与基于传统经验模型方法的预测结果进行了对比。结果表明,本文所提方法于其他模型相比剩余寿命预测精度最高。针对变转速工况寿命预测问题,提出了基于时变参数退化模型的角域无迹粒子滤波滚动轴承剩余寿命预测方法。首先,利用角域转换将变转速下非平稳信号从时域变换到角域,进而从角域信号提取轴承的健康指数;其次,建立与轴承性能退化状态相一致的轴承实时有限元模型,轴承性能退化模型参数根据有限元法计算结果进行更新;然后,结合时变参数的轴承退化模型,利用无迹粒子滤波算法对轴承退化状态进行估计,并对其剩余寿命进行预测;最后,利用XJTU-SY轴承公共数据集和BPS滚动轴承加速寿命预测实验台的变转速实验数据对所提方法进行验证,并与传统经验模型和AR模型方法的预测结果进行了对比。结果表明,在变转速工况下,本文所提方法能够更精确地对轴承的寿命进行预测,获得比其他传统退化模型方法更好的性能。