滚珠丝杠副是数控机床的关键滚动功能部件,其性能优劣是影响数控机床使用寿命和可靠性的重要因素。由于预紧力会直接影响滚珠丝杠副的载荷分布、刚性、摩擦磨损以及疲劳寿命等一系列性能,因此预紧力是评价滚珠丝杠副服役性能的最重要指标之一。本文以国家自然科学基金和国家科技重大专项为依托,针对滚珠丝杠副预紧力的退化状态展开研究:首先建立了预紧力退化理论模型,搭建了滚珠丝杠副预紧力和振动信号采集系统,采集了预紧力和振动信号;然后分别从模型驱动和数据驱动出发,构建基于特征频率的滚珠丝杠副预紧力状态识别模型和基于熵权法＿KPCA＿GS＿SVM的滚珠丝杠副预紧力状态识别模型,并分别在试验台和立式加工中心上对这两种识别模型进行验证和对比、分析。具体内容如下:（1）基于Hertz接触理论和Archard磨损理论,分析了滚珠丝杠副预紧力的退化机理,建立了预紧力退化理论模型,并完成了对滚珠丝杠副预紧力退化状态的划分和预紧力大小的计算。结合预紧力退化模型,建立了滚珠丝杠副进给传动系统的动力学模型,求解了不同状态预紧力所对应的特征频率理论值,计算出临界预紧力所对应的特征频率,以此建立了基于特征频率的滚珠丝杠副预紧力状态识别模型,实现了对滚珠丝杠副预紧力退化状态的识别。（2）针对滚珠丝杠副预紧力退化先快后慢、以及进给系统中预紧力采集不便等特点,分别设计了基于台架和立式加工中心试的预紧力和振动信号采集方案,完成了预紧力和振动信号的采集。分别从时域、频域和时频域三个方面完成了对振动信号特征参数的提取,构建了混合域特征集,并利用熵权法和KPCA实现了对特征集的优选与降维,然后分析了SVM三种不同参数优化算法GA、PSO、GS对识别效果的影响,最终建立了基于熵权法＿KPCA＿GS＿SVM的滚珠丝杠副预紧力状态识别模型。（3）在试验台和立式加工中心上分别针对基于特征频率的滚珠丝杠副预紧力状态识别模型和基于熵权法＿KPCA＿GS＿SVM的滚珠丝杠副预紧力状态识别模型进行了验证,从识别准确率、数据可靠性和实施难易程度三个方面对这两种模型进行了比较和分析,并提出了这两种模型的各自应用策略。