滚动轴承剩余寿命预测可以为制定设备维修策略提供依据和预防事故发生。为恰当评估滚动轴承的剩余寿命并制定合理的维修方案,本文选取地铁牵引电机轴承为研究对象,基于滚动轴承疲劳寿命实验台,对地铁牵引电机轴承进行疲劳寿命实验,通过采集、分析地铁牵引电机轴承的振动信号,选取轴承性能衰退变化趋势的表征指标,进而提取轴承振动信号的特征数据,然后将提取的特征数据输入神经网络进行训练,最后对地铁牵引电机轴承的剩余寿命进行预测。首先,搭建了地铁牵引电机轴承疲劳寿命实验平台和信号采集系统,设计了正交实验方案,在国家实验标准规定的载荷范围内进行了疲劳寿命实验,并采集了轴承120小时的剩余寿命数据。其次,对地铁牵引电机轴承时域特征参数的稳定性、敏感性进行了对比分析,初步选用均方根特征(RMS)参数作为轴承性能衰退变化趋势的表征指标。进而,提取了六种故障轴承的RMS特征数据。鉴于RMS在表征轴承衰退规律时幅值不统一,设计了相对均方根特征指标,通过对数据降噪处理,获得了六种相对光滑的轴承性能衰退趋势曲线,并确定了轴承失效时间。然后,对六种故障轴承振动信号降噪后的相对均方根特征数据样本,每六组数据选取一组作为测试集,其余作为训练集,输入BP神经网络对轴承的剩余寿命进行预测。最后,将地铁牵引电机轴承的整个剩余寿命周期划分为三个不同退化阶段,借助支持向量机在小样本分类方面的优势,对轴承的性能退化状态进行了评估。结果表明,地铁牵引电机轴承剩余寿命的预测值与真实值基本吻合。利用相对均方根特征与BP神经网络相结合的方法,可以对地铁牵引电机轴承的剩余寿命进行预测并取得良好效果。