軸承壽命評估就是指對軸承使用早期、中期、晚期剩余壽命進行預測評估的行為。我們對軸承早期壽命估算的目的是幫助我們計算出機械設備部件的使用時間，中期壽命評估目的是避免設備在運行時因軸承問題產生故障，通過機械軸承部件的檢測實現壽命估算。 晚期壽命評估目則是針對超過了軸承預定的壽命， 通過預測來評估還能夠使用多少時間。

正確預測評估軸承壽命呢，一般為統計壽命評估辦法、智能壽命評估辦法、信息融合壽命評估辦法。  

(1)統計壽命評估辦法

統計壽命評估辦法是基于統一校正學的一種，包含回歸分析和時間序列分析等。 其中，回歸分析辦法主要對研究對象與相關影響因素的因果關系進行研究，前者為因素變量，后者為參數，將得到的實驗數據與可行的統一校正學辦法結合起來實現壽命預測。該法主要用于解決相對簡單的軸承問題的 ，對于相對復雜的退化特征預測評估效果不好。 自回歸(AR  )模型基于時間序列分析和預測。 記錄系統過去的一些時間值，以一定的方式取得當前系統的預測值。 然后進行數據處理，得到必要模型的較高次側以及必要的殘奧儀表。 較后，對未來的系統狀態進行評價。 AR模型具有殘奧儀表識別簡單、實時性好、復雜度低的優點。 經過近年的發展，基于AR，很多研究者提出了自回歸動平均模型(ARMA  )等模型。

(2)智能壽命評估辦法

智能壽命評估辦法分為神經網絡主導的壽命評估辦法和根據專家多年的經驗積累的專家系統壽命評估辦法兩類。 神經網絡是近年來較為火熱的壽命評估辦法，通過大量樣本訓練神經網絡，得到適當的權重和閾值，建立預測模型，進行剩余壽命的預測。 它可以在信息不完整的情況下，提取性能惡化的信息進行學習訓練，找出剩余的壽命預測規律。 神經網絡非映射能力強，理想情況下可近似任意非線性函數，能很好地估計設備的實際運行狀況。 但是，構筑合理的網絡結構是困難的，而且需要大量的性能劣化的樣本數據，存在訓練時間過長，收斂速度慢等問題。 專家壽命評估辦法根據技術人員大量的理論知識和經驗，進行剩余壽命的估計辦法。 主要用于解決設備過于復雜、沒有相應的模型、沒有正確數字的問題。 這就要求專家具有長期的評估經驗，專家之間的標準認知可能不同，結果的偏差也不同。

(3)信息融合壽命評估辦法

信息融合壽命評估辦法是當前在該行業中使用各種壽命評估辦法進行融合的預測技術。 優點是發揮不同類型辦法的各自優點，取長補短。 在實際應用中，融合建模的基本思路是：對物理模型進行動態參數識別，將數學模型構建為退化建模和剩余壽命評估的物理模型。 數據驅動的特征提取、退化模式匹配與模型辦法結合。 選定的模型辦法作為數據驅動辦法的初始條件或輔助模型進行學習和培訓。 元件級、零件級、系統級采用不同特征的評估算法，然后將低層級和高層級算法或模型融合， 多個評估辦法結果的融合或組合。