滚动轴承作为机械设备的重要组成部分,制定强有效的运维策略能够保证其安全运行,避免由滚动轴承故障引发的重大灾难,如环境污染、人员伤亡、经济损失等。滚动轴承健康运维的关键在于运行状态的实时监测与故障的有效分类,同时,随着“大数据”时代的到来,通过传感技术所采集的数据成为分析滚动轴承“症结”所在的凭据。因此,本文针对滚动轴承运维中的关键步骤——监测与诊断所涉及的三个方面:故障特征提取、状态监测与故障诊断开展研究,并最终有效实现轴承的状态监测与故障诊断。本文的主要研究内容与重点分为以下三个方面:（1）针对滚动轴承故障特征提取,本文提出双峭度图方法,实现轴承复合故障特征提取,解决快速峭度图无法识别多个故障特征频带的问题。双峭度图以快速峭度图为基础,通过分析谱峭度及包络谱峭度与滚动轴承故障特征频率之间的关系,改进带通滤波器设计准则。面对滚动轴承复合故障时,双峭度图能够提取多个故障特征频带,从而对滚动轴承振动信号进行更有效的分析。最终通过仿真与自制试验台实验数据验证所提双峭度图能够有效提取多个故障特征频带,同时对所提取的多个故障频带分别进行包络谱分析,提取相应故障特征频率,同时采用经验模态分解进行对比实验验证所提方法的优越性。（2）针对滚动轴承运行状态监测,本文提出改进Hotelling T~2控制图,选取双峭度图中的统计特征参数——谱峭度与包络谱峭度构建Hotelling T~2统计量,并通过核密度估计计算控制限,使控制图能够更早地发现初始故障点,并降低控制图的误报警率。最终采取仿真分析验证所提改进Hotelling T~2控制图的有效性,并将该方法应用于辛辛那提大学与西安交通大学昇阳科技滚动轴承全寿命数据集,同时将实验结果与基于峭度的均值（?）控制图进行对比,通过实验分析结果验证所提改进Hotelling T~2控制图的有效性与优越性。（3）针对滚动轴承的智能故障诊断,本文提出二叉树滤波器Transformer,通过对传统Transformer的分词器层进行改进,将峭度图中所提及的二叉树滤波器结构嵌入分词器层,使其能够有效应用于滚动轴承振动信号,同时,该物理可解释层可以帮助研究人员分析分类结果,避免深度学习中所存在的完全“黑盒”问题。最终通过凯斯西储大学数据集与自制试验台数据集验证方法的有效性,与传统深度学习模型进行对比验证所提方法的优越性。同时进行抗噪性实验与不同数据集的参数迁移,以证明所提二叉树滤波器Transformer具备一定的抗噪能力与泛化能力。综上所述,本文的研究内容聚焦在滚动轴承运维过程中的关键步骤——监测与诊断。通过构建双峭度图、改进Hotelling T~2控制图和二叉树滤波器Transformer,最终分别实现了轴承故障特征频带的有效提取、状态及时监测与故障智能诊断,能够辅助轴承运维策略的制定,保证滚动轴承平稳、安全的运行。