滚动轴承在实际生产中具有普遍的应用,作为化工旋转机械的重要组成,它的运行状况直接影响整个系统的功能。所以,滚动轴承的寿命预测具有重要意义。本文以包涵滚动轴承特征信息丰富的振动信号为研究对象,通过滚动轴承振动机理的解释和说明,揭示轴承振动特征随退化趋势的演变规律,通过对滚动轴承振动信号的处理,提取滚动轴承衰退性能指标,然后基于数据驱动的寿命预测模型,实现滚动轴承寿命的预测。这对于滚动轴承建立使用寿命的评估准则,提高设备与机械的使用性能都具有重要的意义。论文的主要研究内容如下：1、从振动信号幅值、频率、能量变化等角度研究轴承全寿命周期的退化特点,得到全寿命周期内特征参数的变化情况,从而对从不同角度出发的特征参数在滚动轴承全寿命周期内的衰退性能表现力进行对比分析。结果显示虽然峭度、均方根、重心频率、频率方差、以及经验模态分解得到的IMF各分量能量能够相对较好反映轴承的退化状态,但由于选定单一的特征参数作为衰退性能的表征量,常常无法兼顾灵敏性和稳定性,并且单一的特征参数通常只针对一种缺陷或者故障有效。在实际运行中,由于轴承工作的复杂性和多变性,仅依靠某一域中的单一特征参数作为衰退性能指标无法有效表征。2、针对衰退性能指标难构建的问题,首先利用SPSS软件对峭度、均方根、重心频率、频率方差、以及经验模态分解得到的IMF前四个分量能量进行相关性分析,得到这些的特征参数具有相关性的结论,说明这些特征参数能够不同程度的反映轴承退化状态,因而进一步利用主成分分析法将这些时域、频域和时频域中对退化状态能够相对较好表征的特征参数融合,建立PCA模型。将不同故障程度的数据作为检测数据带入模型,验证模型的有效性,从而建立了基于第一主元的衰退性能指标。3、根据可靠性分析及威布尔分布下的比例故障率函数的表达形式,以轴承的衰退性能指标和其过程变化因子作为比例故障率函数中的协变量,建立轴承运行状态与剩余寿命的关系,通过曲线拟合,得到剩余寿命曲线。最后利用实际轴承全寿命周期的性能退化实验的实验数据对该方法进行验证,证明了该方法的有效性。