滚动轴承是旋转机械设备的关键部件之一,其健康状态与旋转机械的安全性和可靠性息息相关。滚动轴承常常工作在变负载条件下,负载的变化会直接影响振动特征的改变。因此,在变负载条件下,对滚动轴承进行故障诊断及健康状态评估,对保证机械设备健康运行,防止重大事故的发生具有重要意义。论文以变负载条件下滚动轴承状态评估方法为主线,从特征提取、领域适应方法、故障诊断模型及健康状态评估模型建立几方面逐步展开研究。特征提取方面,针对单域特征不能全面地反映滚动轴承故障程度的问题,论文对滚动轴承振动信号进行时域、频域特征提取,利用变分模态分解结合奇异值分解提取时-频特征,构建多域特征集。域适应方法及故障诊断模型建立方面,深入研究域适应方法在滚动轴承故障诊断中的应用。针对子空间对齐(SA)方法不适合处理非线性特征,本文对SA方法进行改进。提出将核技巧与SA方法进行融合,实现不同负载下源领域特征向目标领域特征对齐。针对核映射SA方法仅通过保持特征不变实现域适应,提出将核映射SA与平衡分布适配进行联合,在保持特征不变的情况下进一步减小不同领域数据的概率分布差异,以获得更好的域适应效果。将两种域适应方法处理后的数据与支持向量机结合,实现变负载下滚动轴承不同故障状态的诊断。通过对比实验证明改进后的算法在解决变负载问题上的有效性。健康状态评估方面,为解决先验知识缺少时,仅依靠单一状态模型难以充分描述不同故障程度特征样本空间分布情况,提出多状态模型评估方法。通过度量特征样本到不同故障程度样本超球体的隶属度,更好表达退化过程中各个故障程度特征样本的变化过程,实现对滚动轴承健康状态的有效评估。