轴承是众多旋转机械设备的关键部件之一。在机械设备运行过程中承担着至关重要作用。由于轴承的运行工况复杂,也是机械设备最容易出现故障的部件之一,轴承的健康运转对于保障设备整体的安全可靠运行至关重要。因此,监测轴承的状态和预测轴承的剩余寿命非常关键。本文以实测的轴承振动信号为基础数据,研究了轴承退化特征的提取和选择方法,在此基础上进行了轴承剩余寿命预测研究。本文的主要研究内容如下:1.针对轴承退化过程不易准确表征的问题,本文分析了轴承退化过程中时域、频域和时频域能量特征值对轴承退化过程的表征效果。使用小波分解算法和局部均值分解算法对信号进行分解,得到轴承退化过程的时频能量特征值。提取了时域特征值与时频域特征值组成轴承退化特征集。使用相关系数法选取了表征性能较为优良的退化特征作为最终的特征值。2.针对统计学模型对个体轴承预测效果欠佳的问题,本文引入比例风险模型与威布尔分布相结合,组成以威布尔分布失效率函数为基底函数,轴承退化特征为协变量的威布尔比例风险模型来预测轴承的剩余寿命。使用实际轴承振动数据对模型预测效果进行测试,结果表明该剩余寿命预测方法预测结果较为稳定,从安全角度出发符合应用的要求。3.针对轴承退化过程并不是单一过程而是存在不同的退化阶段这一问题。本文引入了启发式分割算法对轴承的不同退化阶段进行划分。得到区分不同退化阶段的状态变化点,利用状态变化点提供的信息,选取轴承退化过程中的关键阶段,构建轴承退化过程的状态空间模型,使用适应轴承退化过程的粒子滤波算法更新模型参数,实现对轴承的剩余寿命预测。