生产发展的高需求推动了科学与技术的进步，加速了电子、计算机、信号检测与处理、网络通讯以及控制等多学科的发展。在机械制造加工领域，高档数控机床成为制造业的关键设备，机床的主轴系统对加工零件的精度、质量和寿命起决定作用。利用以计算机、信号处理等多学科为基础的多传感器及多空间域融合技术进行主轴系统状态趋势预测，能够有效的提高预测精度，减少损失，为实现科学维护提供技术支持。本文主要以高档数控机床主轴系统为研究对象，监测主轴在空载和加载等不同运行条件下主轴电机三相电流信号和靠近轴端的振动信号，利用提升小波对信号进行降噪，对主轴电流进行原始融合，并对电流、振动信号进行时域、频域及时-频域等多空间域分析，对特征参量进行计算，分别构建多源融合信号多域融合高维空间。采用流形学习方法提取高维流形空间的低维嵌入流形，并以此为基础，对状态识别和预测方法进行研究。主要完成的工作有:　　(1)以数控机床主轴系统三相电流信号和振动信号为研究对象，观察了信号在主轴特定运行条件和状态下的变化趋势和特点，通过研究特定运行条件下其融合高维空间的低维嵌入流形的变化特点，提出了基于距离判据和流形差异度参数的状态量化识别方法，并通过实验信号验证了方法的正确性。　　(2)分析了流形差异度和增量流形相似度参数的优缺点，以增量流形为基础，构建增量流形序列，研究了增量流形序列变化的特点和规律，用最小二乘法确定经验公式并求解，进行单步预测。提出设置多级序列带宽实现预测预警的思路。进行主轴电机电流测试，对实验数据进行了原始融合及多域空间分析，融合了多域空间特征，观察了低维流形增量的变化趋势，并做了单步预测，证明了该方法的思路是准确的。　　(3)采用Labview和Matlab2010b开发主轴系统运行状态监测和故障趋势预测系统，通过硬件和软件的设计，实现了对主轴系统运行状态信号的实时监测，能够完成数据的采集和保存，实现了利用多传感器及多空间域融合技术对特定状态敏感特征进行提取以及状态量化识别，并以融合低维流形为基础完成对特定状态的趋势预测。