近年来,随着工业水平的不断提高,机械设备的功能越来越多,给生活、生产带来了方便,但同时也带来了一些问题,例如:机械设备变得复杂化、维修成本高等不利因素,如何提高机械设备的可靠性成为了人们关注的焦点。滚动轴承作为机械设备的重要组成部分,其健康状态必然会影响到机械设备的可靠性和稳定性。滚动轴承在运行过程中会经历不同的健康状态,早期滚动轴承处于正常使用期,中期是性能衰退期,最后是快速失效期。因此,如果能对滚动轴承的健康状态进行实时监测,那么就可以根据滚动轴承的健康状态提出合理的维修方案,既能防止机械设备发生异常失效,也能减少停机时间提高经济效益。为有效地评估滚动轴承的健康状态,增加设备的可靠性,减少故障,提出一种基于Logistic回归模型的健康状态评估方法,主要研究工作如下:（1）对采集到的滚动轴承振动信号进行降噪,针对振动信号的特性提出了 EMD和小波阈值联合降噪的方法,该方法能够准确地估计出噪声方差,提高降噪的效果。然后,对降噪后的信号进行时、频域特征指标提取,并把得到的特征指标集合作为样本数据,为建立Logistic回归模型提供数据。（2）对Logistic回归模型理论进行研究,基于Newton迭代算法对模型参数进行估计,并对其参数估计中比较敏感的迭代初值选取以及迭代过程Jacobi矩阵奇异问题进行自适应控制。此外,考虑到自变量系数要具有实际的解释意义,利用arctan（）函数对自变量系数进行约束,从而提高了回归模型的解释能力。（3）结合多重共线性诊断指标和弹性网罚函数进行变量选择以降低多重共线性,并采用strong规则对于其求解路径进行优化。利用杠杆值、残差、数据删除模型以及修正统计量等方法对样本点进行筛选。建立完备的模型评估指标体系对Logistic模型进行评估。（4）基于Newton迭代算法、坐标下降算法,建立Logistic回归健康状态评估模型,并对弹性网参数进行对比选取,通过模拟实验验证了算法的有效性和拟合模型的预测能力。并与SPSS进行数值结果对比,同时验证了算法的稳健性和拟合模型的预测能力,为轴承状态的实时监测提供了一种非常有效的方法。