滚动轴承性能主要包括振动、噪声、摩擦力矩、温升、旋转精度等，这些性能对机械系统的运行性能有重要影响。振动是滚动轴承的一个重要性能指标，综合反映了轴承的制造、安装、润滑等因素，影响轴承的动态特性、寿命与可靠性。

    合理评估滚动轴承承振动性能变异具有很重要的应用价值，可以及时发现轴承的失效隐患，提前采取措施，避免发生重大安全事故。为此，基于近代统计学的数据稳健化原理，本章提出-种评估滚动动轴承振动性能变异的方法，以检测滚动轴承服役期间的性能退退化状况。

    根据近代统计学的数据稳健化原理，数据的稳健性是数据分析的最基本条件之-,数据越稳健，获得的评估结果越可靠。因此，数据的稳健化处理方法就显得非常重要。Huber M估计和中位数估计是近代统计学中数据稳健化处理极小极大化原则下的两种最优估计。Huber M估计可以反映总体数据势态，具有临界值，并以数据零为中心，是关于零中心对称的奇函数，实际工程技术问题很难满足该条件，缺乏实用性。中位数估计只是一个稳健数据，可以反映数据位置特征，但不能反映总体数据势态。本章将这两种最优估计进行有机融合，优势互补，提出一种既能反 映数据位置特征又能反映总体数据势态的数据稳健化处理方法，用肝评估滚动轴承振动数据的变异性。

    在数据稳健化处理过程中，中位数是最稳健估计，平均值是不稳健估计，因为平均值很容易受离群值影响。平均值越接近中位数，说明该数据越稳健。本章把平均值与中位数的接近程度作为评判要素，用于检测滚动轴承服役期间的性能退化状况，属于稳健估计。

   在本章中，滚动轴承性能变异是指在实验与服役期间滚动轴承性能发生变化与退化的程度;中位数是指将滚动轴承振动数据取绝对值，然后按从小到大的顺序排序，得到绝对值排序序列，再根据统计学获得的绝对值排序序列的中位数;平均值是指根据Huber M估计原理获得的改进数据序列的平均值;平均值与中位数的接近程度，用改进数据序列平均值与绝对值排序序列中位数的绝对差表征。

    本章提出的滚动轴承振动性能 变异的评估方法，评估要素有变异率和总体本征区间。滚动轴承性能变异用变异率来表征，变异率是变异数据个数与总数据个数的比值，变异数据是指不在总体本征区间的数据;总体本征区间是数据的本征反映，是稳健化处理后的数据分布区间。

    目前，研究滚动轴承振动性能的方法主要有轴承振动信号数据的时域特征和神经网络法，轴承振动信号的光谱分析法，轴承振动数据的灰自助法，基于Hilbert-Huang的轴承振动特性分析法，基于相空间的滚动轴承振动特征参数的分析法等。这些方法需要事先假设特定的性能退化模型、分布律、概率密度函数和阈值，且没有涉及滚动轴承振动数据的稳健性问题。

    本章提出的滚动轴承性能变异的评估方法，不需要事先假设性能退化模型、分布律、概率密度函数和阈值，对实际测量的轴承振动数据进行稳健化处理后直接获取总体本征区间，进而实施性能退化评估。