现代生产设备正朝着集成化、智能化、精密化和自动化方向发展,实时准确的把握设备的运行状态及可靠性,对保障整个生产系统安全连续稳定运行有着重要意义。状态监测是及时获取运行设备状态信息的重要手段,也是设备可靠性评估与寿命预测的重要环节。铣刀和滚动轴承都是常用的旋转部件,它们的寿命及可靠性关系到整个加工系统和生产设备的运行持续性和稳定性。本文研究了旋转部件状态监测及数据处理方法、旋转部件的状态特征提取,并以铣刀和轴承为对象,进行旋转部件的可靠性评估和预测。主要内容如下：(1)通过对铣刀寿命试验数据进行分析,对比几种刀具状态监测方法,得出声发射和切削力两种方法具有较好的结论。使用小波包分析方法去提取声发射信号相关特征,降低了原声发射信号中的噪声等冗余成分。针对具体部件在运行过程中的可靠性评估问题,研究了基于Logistic回归模型的可靠性评估评估方法。从部件历史监测数据中提取符合部件劣化动态特性的特征参数,结合其状态信息建立铣刀的Logistic回归可靠性评估模型,此方法可实现在线可靠性评估。(2)基于状态监测的可靠性评估是研究重要方向之一,具有实际工程意义。针对单个旋转部件的可靠性预测,提出了基于状态空间模型的可靠性预测方法。首先通过在线监测技术获得旋转部件的振动信号或声发射信号,提取监测表征刀具状态的声发射信号或振动信号的特征能量,选取趋势明显符合设备状态变化的相关频带能量作为部件的状态评估指标,再对这些特征指标进行滑动平均滤波处理,提高了状态特征指标的信噪比,建立基于特征指标的状态空间预测模型,并预测退化指标的概率分布并计算可靠度。结合刀具和轴承试验数据验证了方法的准确性和有效性。(3)针对旋转部件的可靠性预测问题,研究了基于RVM和双指数和模型的实时可靠性预测方法。利用RVM的稀疏学习建模方法对当前状态监测指标进行训练,实现回归预测并估计特征参数的噪声方差,使用双指数和模型对回归预测的特征指标进行拟合后获得退化轨迹外推函数,预测特征指标概率分布进而预测旋转部件的可靠度。