旋转机械在很多行业中应用广泛,对其安全性能的研究尤为重要。滚动轴承是旋转机械中应用最广泛也是最易发生故障的部件,一旦出现故障或者失效将会导致机械设备工作异常,其运行状态及剩余寿命对于机械设备安全可靠的运行起着至关重要的作用。能否准确及时地跟踪滚动轴承运行状态的变化情况,正确判断和评价当前运行状态,预测运行状态的发展趋势及剩余使用寿命,为滚动轴承以及机械设备的维护提供指导依据是目前亟待解决的问题。本文研究余弦相似熵复杂性量度在滚动轴承状态监测与剩余寿命预测中的应用,开展的主要工作如下:(1)研究基于余弦相似熵的滚动轴承退化指标构建方法。首先,介绍了余弦相似熵算法,并研究了参数对其影响;其次,通过仿真信号分析,将其与样本熵和模糊熵进行了对比。最后,将余弦相似熵应用于滚动轴承退化特征表征,实验数据分析结果表明了余弦相似熵的有效性及其相较于样本熵、模糊熵和均方根值的优越性。(2)引入集成经验模式分解,并将其与多分量余弦相似熵结合,应用于滚动轴承状态监测与退化趋势预测。首先,介绍了多分量余弦相似熵与集成经验模式分解算法;其次,通过仿真和实验,对信号进行集成经验模式分解,利用相关系数准则筛选出有效本征模态函数分量,计算有效本征模态函数分量的多分量余弦相似熵值作为滚动轴承退化指标;最后,结合极限学习机对滚动轴承退化趋势进行了有效预测。(3)引入布谷鸟算法并将其应用于变分模态分解方法参数组合寻优,与多分量余弦相似熵相结合对滚动轴承剩余寿命进行预测。介绍了布谷鸟寻优算法和变分模态分解算法原理,将两者相结合,提出了布谷鸟优化变分模态分解算法。通过对比变分模态分解与经验模式分解,证明了布谷鸟优化变分模态分解的优越性。最后,利用布谷鸟优化变分模态分解对实验数据进行分解,通过相关系数计算筛选最佳本征模态函数分量并计算多分量余弦相似熵值,构建新的性能退化指标,并结合极限学习机对滚动轴承剩余寿命进行预测。综上所述,论文重点开展了余弦相似熵在滚动轴承退化指标中的构建、状态监测的有效性以及结合相关理论在退化趋势和剩余寿命中的应用分析,为滚动轴承的性能退化评估与寿命预测提供了新的技术手段。