滚动轴承是旋转机械设备中最常用到的零部件之一,几乎所有的旋转机械都不可避免地使用到滚动轴承。随着高速列车的发展,风力发电的兴起,滚动轴承在越来越多的大型旋转机械设备中发挥重要的作用。但同时滚动轴承也是最容易出现故障的零件。如何在滚动轴承发生故障时诊断出故障位置及故障程度等故障信息,对保障机械设备安全可靠运行,避免重大事故发生,降低生产成本等都具有重大意义。针对上述问题,本文开展了滚动轴承故障诊断及故障趋势预测研究工作。首先对滚动轴承的振动信号进行相空间重构,并在相空间内进行局部投影降噪方法研究;接着根据混沌控制原理,采用Duffing混沌振子进行滚动轴承特征频率检测,并提出基于极半径不变矩的振子相图转变识别方法,完成滚动轴承故障类型及故障程度诊断;最后,利用混沌的遍历性对传统粒子群算法进行优化,提出自适应映射的混沌粒子群优化算法(AMCPSO),将其应用于支持向量回归模型参数优化,并利用支持向量回归模型进行滚动轴承故障趋势预测。本文的主要研究内容如下:(1)阐述了滚动轴承故障机理,分析了基于振动信号诊断滚动轴承故障形式及故障程度的可行性。论述了滚动轴承噪声处理、特征提取方法、故障诊断、故障趋势预测等方面的国内外研究现状,总结和讨论了目前滚动轴承故障诊断及趋势预测领域内存在的问题与发展方向。设计了滚动轴承故障诊断及全寿命加速试验台,进行了不同故障程度的滚动轴承单一故障、复合故障诊断试验及全寿命加速试验,为本文研究提供试验数据支持。(2)研究了基于相空间重构的滚动轴承振动信号局部投影降噪方法。对采集的滚动轴承振动信号进行相空间重构,并在重构的相空间中选择时间序列的标准差作为邻域半径,在该邻域内进行了局部投影降噪。针对噪声空间的选取问题,通过计算邻域内各相点与质心的距离,求解其协方差矩阵,并选择在该协方差矩阵特征值变化率最大处进行截断,分离信号及噪声。通过对仿真数据的信噪比计算以及对实际轴承监测数据的分形维数及近似熵检验,表明本文方法较传统方法具有更好的降噪能力。(3)研究了基于Duffing混沌振子的滚动轴承故障诊断方法。提出了一种基于混沌振子相图的极半径不变矩判断混沌振子状态的识别方法。根据混沌振子是否发生混沌状态到大尺度周期状态的转变,判断待检信号中是否存在故障特征频率成分,并由此诊断故障形式。采用混沌振子系统策动力变化△γ值作为滚动轴承故障程度指标,诊断故障程度。对于滚动轴承复合故障中存在的信号混叠问题,采用经验小波分解(EWT)方法进行信号分离,并结合Duffing混沌振子及极半径不变矩法,实现滚动轴承复合故障及故障程度诊断。通过对实际采集的滚动轴承单一及复合故障样本进行多样本验证,结果表明本文方法可以较好地解决滚动轴承单一、复合故障的故障形式及程度诊断问题。(4)研究了滚动轴承各故障部位的故障趋势预测方法。将滚动轴承混沌振子策动力变化△γ值作为滚动轴承故障趋势表征指标,开展了滚动轴承各部件故障发展趋势的预测工作。针对传统粒子群算法容易陷入局部最小,收敛速度较慢的问题,提出了一种自适应映射的混沌粒子群(AMCPSO)寻优算法,并采用标准测试函数验证了算法的寻优性能。通过对滚动轴承的全寿命加速试验数据进行多样本验证及与传统方法对比,结果表明经AMCPSO方法优化的支持向量回归模型在预测精度上优于传统方法,可以有效地解决滚动轴承各部位故障趋势预测的难题。论文最后对本文工作进行了总结,并对滚动轴承故障诊断及故障趋势预测技术进行了展望。