随着科技的不断发展，机械设备也不断向大型化、复杂化发展，对于生产效率的追求也越来越高，另一方面，对于工作环境和运行要求也越来越严格，轴承作为其中的重要部件一旦发生故障，将导致致命的危险。因此，对于轴承进行性能评估就变得尤为重要，不但要在机械设备要发生故障时及时的做出诊断更要在早期性能退化时做出预警，提前制定维修计划以防止重大事故的发生。　　基于油液的静电监测目前尚处于初步研究阶段，由于轴承在磨损的过程中会产生磨损微粒，这些磨损微粒上便会带有静电，通过静电传感器监测静电的变化，便能够在轴承发生故障的时候及时的通过采集系统判断出来，本试验以滚动轴承6207为研究对象，针对信号的特征提取方面、性能退化评估方面和趋势预测做了以下研究工作:　　(1)阐述了本文选题的背景和意义，通过国内外研究资料分析了静电监测、性能退化评估和趋势预测在国内外的发展状况，确立了以静电信号为基础的性能退化评估方法研究，将其研究结果与振动信号做比较，确立了本文的研究内容。　　(2)研究了EMD方法对油液磨粒静电监测信号进行特征提取。轴承在正常状态下时的信号为随机分布的，随着磨损程度的不断加深，故障信息便会隐藏在这些随机成分中,EMD方法具有自适应性、直观性和高效性等特点，通过对分解过后的IMF分量进行计算，分别提取出时域特征和能量熵。这些特征能够很好反应出信号中的故障信息，通过故障信息便可以对轴承的故障进行判断。　　(3)将支持向量数据描述方法应用于性能退化评估中。近年来，支持向量数据描述方法多用于状态监测和故障诊断领域中，本文将基于静电信号运用支持向量数据描述方法研究轴承的性能退化过程。通过处理静电信号将得到的时域和能量熵特征进行融合作为支持向量数据描述方法的输入矩阵来与正常状态进行对比判断，来说明轴承退化的过程，并通过对比静电和振动信号数据来说明静电监测能够更加灵敏、准确的监测出故障信息。　　(4)趋势预测是根据设备的特征参数来进行监测，通过运行状态来组织维修。本文主要介绍了两种趋势预测模型分别为:线性回归模型和支持向量回归模型。通过实例分析对比了实际趋势与预测趋势，验证了两种模型的可靠性和有效性。