航空发动机滚动轴承工作在高温、高载荷的环境下,极易发生故障,其故障的发生有可能导致灾难性飞行事故。因此,在航空发动机实际运行过程中,实时监测滚动轴承健康状态,及早地揭示滚动轴承早期故障征兆对于保证飞行安全具有重要意义。本文对复杂工况下的滚动轴承微弱故障检测与状态智能评估方法进行了研究,主要工作体现在:(1)分析了滚动轴承的振动机理与表面损伤信号特征,在此基础上,进行了滚动轴承外滚道表面损伤、内滚道表面损伤和滚珠表面损伤信号的仿真建模。(2)基于仿真信号对最小熵解卷积、小波分解、自相关分析3种信号处理方法的功能和效果进行了分析,提出了一种滚动轴承故障诊断的多方法协同诊断技术。进一步地,通过角域重采样技术将协同诊断法推广,使之可应用于转速连续变化的工作环境下。利用带机匣的航空发动机转子试验器,在不同工况下进行了大量滚动轴承故障试验,轴承故障包括人工线切割产生的内滚道、外滚道和滚珠的表面单点故障,以及通过疲劳试验产生的内滚道自然剥落故障。试验中采集机匣处振动加速度信号用于方法验证,结果表明:所提的多方法协同诊断技术能有效实现微弱故障信号下的滚动轴承故障诊断。(3)在误差分析的基础上,提出了一种特征向量空间分布超球优化的方法,并提出了一种超球化距离判别分析的数据描述方法,所提方法的有效性通过滚动轴承人工单点故障试验数据进行了充分的验证。在此基础上,将所提超球化距离判别分析应用于滚动轴承的状态评估,利用两种滚动轴承加速疲劳失效试验进行试验验证,结果表明:采用超球化距离判别得到的劣化指标相比于有效值对滚动轴承早期故障更加灵敏。