滚动轴承是大型旋转机械中的关键部件,被称为“工业的关节”。滚动轴承发生故障时,不仅会造成巨大的经济损失,还会引发重大的人员伤亡事故。因此,提早发现滚动轴承的故障就要比处理故障本身更加重要,如何有效评估滚动轴承的运行状态,以达到尽早发现故障,并制定科学的维修计划,预防重大事故的发生就显得尤为重要。滚动轴承在全寿命周期内,从正常状态到完全失效状态需要经历一系列的不同性能退化状态。对这些性能退化状态进行有效的监测,可以根据监测结果有效地组织生产和提前制定科学的维修计划,实现预防重大事故的发生和最大化生产效率。滚动轴承性能退化评估正是在这种思想的基础上提出的一种维护技术,它侧重于对滚动轴承在整个寿命周期内性能退化程度的衡量,而不过多关注于某一点故障类别的诊断。本文按照特征提取、特征约简、模式分类、性能退化评估这样一个思路进行研究,主要研究内容包括:1.滚动轴承振动信号具有非平稳性、频率成分复杂性等特点,采用小波包分解实现信号的多分辨率分析并提高了信号高频部分的时频分辨率,并结合时域、频域指标完成了滚动轴承故障特征的提取。2.研究了局部线性嵌入(Local Linear Embedding,LLE)算法,利用局部线性嵌入算法对所提取的高维特征进行约简去掉特征之间的冗余性。并针对算法当中高维空间的相似性度量加以改进,将改进后的算法应用到特征约简上,通过实验对比,证明改进后算法的优越性。3.研究了支持向量机(Support Vector Machine,SVM)理论,利用支持向量机完成了滚动轴承不同性能退化程度的识别,建立了性能退化评估指标,结合实际的滚动轴承数据给出性能退化评估曲线,得到性能退化评估模型。