石油钻井是一种连续的作业过程，一旦发生故障将会带来严重的经济损失。钻井设备属于大型设备有许多传动机构，易发生故障的部件主要是传动滚动轴承，对于轴承早期故障诊断的研究其意义非常重大。本论文旨在根据轴承故障特点，研究滚动轴承早期故障诊断方法，并对其发展趋势作出预测。 本论文总结分析了滚动轴承的振动及其常见的故障形式，讨论了振动信号非线性动力学的分析方法。由于滚动轴承出现故障时的振动信号是非平稳、非线性的，期望用非线性的分析方法得到较好的诊断效果，而分形分析和符号动力学分析较适用于非线性情况下的信号分析。本文中采用上述两种分析方法提取了轴承振动信号的特征量。在此基础上，引入了基于统计学习理论的支持向量机(SVM)，用支持向量机模式识别功能分析所得特征量。结果表明就算是在小样本情况下，两种非线性分析方法都是可行的，且符号动力学的两种熵的分类结果都好于关联维。为了预测轴承故障的发展趋势，本论文中采用了基于混沌时间序列的非线性局域预测算法。从对实际数据的分析结果来看，其准确性比较高。