轴承是机械设备中重要的零部件之一,其运行状态的稳定性直接关系到机械设备的可靠性。通过滚动轴承全生命周期历史数据,提取滚动轴承的性能衰退指标从而建立剩余寿命预测模型,对模型的失效率和可靠度进行分析,确定失效阈值,实现滚动轴承的剩余寿命预测,对降低事故的发生率及设备的健康管理具有重要意义。针对滚动轴承剩余寿命预测的准确性问题,逐步进行基于振动信号的特征提取、特征降维和剩余寿命预测的研究,主要研究内容如下:首先,针对小样本下的轴承剩余寿命预测问题,提取能反映滚动轴承退化状态的多域特征信息。针对传统剩余寿命预测中采用单一时域或频域指标进行分析预测,不能兼顾振动信号的局部和全局特性,采用由数据驱动的经验模式分解进行时频域特征提取,并综合振动信号的时域及频域特征参数,采用费舍尔得分去除不敏感特征,选取更能反映轴承性能退化的多域特征参数集。其次,提出基于模糊C均值的拉普拉斯特征降维方法。针对传统线性降维方法无法揭示数据内部的非线性结构及基于核函数的核主元分析法易导致不同类别的样本点在特征空间中相互重叠,无法实现高维数据的非线性降维现象,采用基于拉普拉斯特征映射的流形学降维方法,在对目标数据的特征降维时,运用模糊C均值对退化阶段进行分类。通过试验验证了基于模糊C均值的拉普拉斯映射降维方法。然后,建立基于威布尔比例风险模型的滚动轴承剩余寿命预测模型。针对威布尔比例风险模型趋势预测方法的不足,提出基于差分自回归滑动平均模型的趋势预测法,分别对失效率与协变量进行趋势预测,设定失效阈值,并通过试验对该方法进行验证。最后,采用滚动轴承全寿命试验数据,进行试验验证。试验结果对比表明,本文提出的方法能够准确预测滚动轴承失效率趋势及剩余寿命。