滚动轴承是旋转机械设备中使用最广泛且最易损坏的关键零部件之一,其运行状态与设备的整体工作性能息息相关,对滚动轴承性能变化趋势进行预测,准确判断其性能衰退阶段,既能有效避免危险事故的发生,又可以强化设备健康状态管理。围绕滚动轴承性能衰退预测这一主线,逐步开展信号降噪、性能衰退状态评估和性能预测三个方面的研究,主要研究内容如下:首先,针对传统降噪方法存在模式混叠、信号边缘信息丢失等问题,提出基于CEEMD-小波自适应阈值的信号降噪方法。采用CEEMD方法将振动信号分解为不同频段模态分量;通过基本模态分量与原始信号互相关分析,确定了各频段分量中噪声的含量;进而采用小波自适应阈值方法对噪声含量较高的高频分量进行降噪,进一步抑制了噪声;将降噪后高频分量与其余分量进行重构,从而完成整个降噪过程。经仿真和实测故障信号分析表明,提出的方法能够有效的抑制高频信号的噪声,且最大程度保证有效信号的完整性,降噪效果更好。其次,针对设备性能衰退评估过程中缺乏性能衰退指标以及监测信号难以直观表征轴承性能衰退特性的问题,提出基于阶跃稳态的性能衰退评估方法。采用相关性、单调性和鲁棒性3个指标对性能衰退特征指标进行筛选,减少人为观察选择的不确定性;利用固定窗均值化处理的分离方法,将原始特征指标曲线分离为HI曲线和残差曲线,使其具备更好的时间关联性和单调性;提出阶跃稳态的概念,定量直观地反映轴承性能衰退程度。通过轴承全生命周期实测数据集验证了该退化评估方法的有效性。然后,针对传统方法过度依赖专家经验及信号处理技术,且处理复杂时间序列预测精度低的问题,提出基于Attention-LSTM的性能衰退预测方法。建立了滚动轴承性能衰退预测模型,采用注意力机制提高对性能阶跃点前后数据的学习能力,加强了预测模型对衰退特征的反应敏感度;分析不同输入输出、激活函数以及优化函数对预测精度和收敛速度的影响,确定了合适的网络结构及参数配置。通过分析轴承全生命周期实测数据集,对比其他预测方法,验证了该预测方法具有更高的预测精度,鲁棒性和泛化能力。最后,搭建故障模拟实验台,以单列角接触球轴承为研究对象,验证本文提出的降噪方法。搭建全生命周期性能衰退实验台,以圆柱滚子轴承轴承为研究对象,利用本文方法预测其性能衰退趋势,评估轴承各阶段性能状态。