滚动轴承是广泛使用的关键机械基础部件，在我国动车组运行中具有重要的关节作用。滚动轴承的服役性能可靠性直接影响动车组工作的运行状态与势态。工程界和学术界日益重视其性能寿命和可靠性研究，以确保动车组安全可靠运行，对失效隐患，尽早采取措施，降低事故的发生概率。近年来，针对滚动轴承可靠性研究，在失效分析与故障诊断、性能退化评估等方面的研究，取得重大突破。

1、失效分析与故障诊断

文献[4]用健康评估对轴承失效进行了曲线拟合估计。文献[5]以CHR3型动车组圆锥的滚子轴承为研究对象，通过一系列的试验、建立模型及仿真分析得到了轴承滚动体及内、外圈的一维应力谱，对轴箱的轴承寿命进行了研究。文献[6]采用了故障树分析方法建立轴承故障模型，通过时频域参数指标诊断方法、智能诊断方法对动车组转向架轴承进行监测和诊断。文献[7]分析轴承的振动信号的时域特征，证实以IMF能量为特征输入的BP神经网络和基于MATLAB和LabVIEW的轴承故障诊断系统能有效地识别轴承故障。文献[8]研究列车滚动轴承正常服役和不正常服役的状态类型以及建立正常到外圈出现故障

所对应的剩余寿命模型来深入研究多服役状态下的状态识别方法及寿命预测。文献[9]通过小波包基础理论,运用EMD方法、支持向量机对滚动轴承的熵及故障特征进行研究,研究表明通过小波包和EMD方法的相结合可以了解到滚动轴承外圈故障信息;小波包与支持向量机相结合能够准确地了解到滚动轴承的故障类型。

2、性能退化评估

文献[10]以旋转机械中广泛使用的滚动轴承为对象，从振动信号带通滤波、特征提取和性能退化评估模型建立三个方面，开展了设备性能退化评估技术的相关研究。文献[11]通过时频特征提取方法和基于支持向量数据描述的评估方法对滚动轴承的性能退化评估进行了研究。文献[12]以滚动轴承为研究对象，进行设备性能退化评估的特征参数指标的提取和评估方法展开了研究，如基于时域分析的特征参数指标的提取、基于模糊C均值和支持向量数据描述的性能退化评估，基于频谱熵、小波包变换等建立了评估模型。文献[13]通过滚动轴承振动实验所得的数据，以振动特征峭度和方均根作协变量建立了威布尔比例故障率模型对滚动轴承运行可靠性进行了评估，证明了该模型的有效行和可靠性。文献[14]采用以多特征参数提取和降维为基础，提出了一种基于HHT-自组织神经网络状态识别方法及一种基于遗传算法优化神经网络和支持向量机的混合智能趋势预测方法，分别对滚动轴承的性能退化作了评估和趋势预测，并验证了两种方法的可靠性。文献[15]通过小波包分解提取能很好反映轴承性能的特征参数，然后通过支持向量数据描述建立评估模型对其性能退化进行反映性能退化程度达到评估效果，主要是仅需要正常状态下的数据样本，通过小波包分解提取特征向量,用支持向量数据描述算法建立知识库实现了对待测样本性能退化程度的评估。并通过应用于滚动轴承不同点蚀大小和全寿命周期数据的评估,证明该方法的可靠性。文献[16]提出了一种基于HMM和扰属性投影的智能轴承性能退化评估方法。该方法可以有效地结合实验数据和实时数据的信息，并对监测开始后的性能进行评估。通过滚动轴承寿命试验，验证了该方法的有效性。文献[17]提出了一种基于分层熵和一般距离的滚动轴承性能退化评估新方法。通过实验表明该指标能较好地检测出初始缺陷，并能有效地反映滚动轴承的整体退化过程。文献[18]提出了一种基于自组织映射的轴承性能退化评估的退化指标，并通过实验和模型，利用后支持向量回归来估计轴承的剩余使用寿命来证实了该指标的可靠性。文献[19]提出一种基于支持向量数据描述(SVDD)和模糊c-means(FCM)的混合模型。将该混合模型应用于加速轴承寿命试验表明，该模型能够有效地评估轴承性能的退化。文献[20]提出一种基于零交叉特征的方法，并引入了一个耦合隐马尔可夫模型来估计轴承性能的退化。通过提取零交叉特征时，采用耦合隐马尔可夫模型对其性能进行定量评价。由轴承加速寿命试验结果验证了所提方法的可行性和有效性。