滚动轴承作为旋转机械系统的关键部件之一,其振动性能对机械设备的运行质量、可靠性和寿命有重要的影响。滚动轴承的服役一般会经历从正常状态到失效的过程,在此期间其振动性能通常会发生一系列的退化。传统的故障诊断方法只关注滚动轴承是否健康或者损坏,识别模式较为单一。当故障被识别出来时,滚动轴承已经严重失效。为了确保机械设备的高可靠性安全运行,及时对机械设备进行主动的维护,这就需要摸清滚动轴承的振动性能退化过程,预测其未来演化趋势。在研究滚动轴承振动性能退化评估方法时,退化特征的提取与预测是制约评估方法好坏的两个关键点。然而,滚动轴承早期故障的振动信号十分微弱。与此同时,滚动轴承的振动信号又伴随着强噪声背景。此外,滚动轴承振动信号具有非线性、非平稳的特征。上述几种情况耦合在一起,使得滚动轴承振动性能退化特征的精准提取与准确预测面临巨大的挑战。本论文以滚动轴承为研究对象,针对滚动轴承振动性能退化评估存在的问题,围绕滚动轴承振动性能退化特征提取、振动性能退化评估以及预测等方面展开研究。论文的主要研究工作包括:（1）开展滚动轴承疲劳寿命试验,详细介绍了为本文提供数据支撑的滚动轴承疲劳寿命试验,包括试验台、试验对象、试验工况、试验轴承质量检测和试验流程等。根据试验设计完成了两种工况下的7008AC型超精密角接触球轴承的疲劳寿命试验,并对全寿命振动性能数据进行采集。（2）对采集的滚动轴承振动性能数据进行混沌特征识别研究,在相空间重构的基础上,采用关联维数、Lyapunov指数和Kolmogorov熵三种指标验证滚动轴承振动性能的混沌特性,同时建立了数据序列的可预测性分析流程。试验研究结果表明,两种工况下滚动轴承振动性能数据序列均具有混沌特征,同时可以进行短期预测。（3）针对滚动轴承运动具有非线性的特点,结合熵方法在处理非线性问题的强大优势,提出三种基于熵的滚动轴承振动性能退化特征提取方法:最大熵相似度法、改进模糊熵法和灰色熵法。最大熵相似度法解决了滚动轴承振动性能数据概率分布未知的问题,构建了基于最大熵法的振动性能数据概率密度函数,并基于相似度法解析出滚动轴承的振动性能退化概率。改进模糊熵法解决了模糊熵在滚动轴承振动性能退化特征提取时敏感度较低的问题,构建了一种类Sigmoid函数以度量两种模式的距离。灰色熵法解决了现有非线性分析方法存在计算结果与真实的非线性动力学系统不一致及计算所需数据长度较长的问题,构建了基于灰理论的两种模式距离度量方法。仿真案例和试验研究均验证了所提方法的优越性。（4）针对传统的滚动轴承振动性能退化评估方法局部化的问题,提出一种基于灰关系的滚动轴承振动性能退化评估方法,该方法使用灰关系理论评估提取的滚动轴承振动性能退化特征与可靠性之间的关系,从而达到从滚动轴承可靠性演变规律的整体角度评估滚动轴承退化特征的目的。通过试验验证了所提方法有效性。（5）针对滚动轴承退化阶段序列数据长度短,预测困难以及预测结果的评估方法较为单一的问题,在灰预测理论和马尔科夫链的基础上,结合自助法建立了灰自助马尔科夫链预测模型,同时提出使用估计真值X0、估计区间[XL,XU]、预报可靠度HB以及扩展不确定度U从不同的角度刻画滚动轴承的振动性能退化阶段演变规律。试验研究表明,所提方法具有更高的预报可靠度。（6）建立滚动轴承振动性能退化趋势的混沌预测模型。首先使用威布尔分布中的形状参数作为刻画滚动轴承振动性能退化趋势的特征参数;然后将退化趋势序列与振动性能序列进行定性比较,同时引入灰色系统理论,对其进行灰关联分析;最后对退化趋势序列和振动性能序列进行相空间重构,由一阶局域法、加权一阶局域法和改进一阶局域法进行混沌预测。试验研究表明,延迟时间对预测精度影响不大,而嵌入维数对预测精度影响较大,混沌预测方法对于滚动轴承振动性能退化趋势序列的预测准确度明显高于对于滚动轴承振动性能序列的预测准确度。