采用“问题分析→理论构建→模型建立→实验验证→工程应用”的研究思路，开展时变工况下旋转机械轴承微弱故障诊断与寿命集成预测理论及方法研究。分析强时变、极微弱、强干扰、多源耦合监测信号特点，发现了轴承振动信号瞬时频率快变规律，提出了一种自适应匹配信号特征的早期微弱故障稀疏时频诊断方法，揭示了轴承信号瞬态成分的快速重构与增强机理，突破了时变工况下轴承故障特征的自适应提取与准确诊断瓶颈；分析时变工况下轴承信号特征矩阵的相关性及冗余度，构建了具有泛化性和鲁棒性的基于融合特征驱动机器学习的故障智能诊断模型，提出了“特征+知识”双驱动的轴承故障智能诊断理论，揭示了轴承故障特征与健康状态之间的深层时变关系，保障了时变工况下轴承安全可靠运行；分析轴承状态评估关键指标，发现了最大功率谱密度拟合导数曲线的趋势一致性规律，构建了基于特征提取和机器学习的轴承健康动态评估与寿命集成预测模型，提出了具有智能感知、性能评估和寿命预测的轴承健康动态管理理论，为解决轴承从“定时维修”向“预知维修”转变提供理论指导。研究成果获得2024年天津市自然科学二等奖。