滚动轴承被称为“工业的关节”,其性能与可靠性直接影响整台设备的工作性能。在实际的生产活动中,由于轴承对准错误、润滑不当、存在异物等因素,会造成滚动体不同程度的打滑现象,滚子与内圈滚道间形成速度差进入滚滑运动状态,滚滑运动会导致滚动轴承内部剧烈磨损、发热,严重影响轴承的可靠性和使用寿命。所以需要对轴承的滚滑运动状态进行监测与分析具有重要的学术和工程应用价值。本文首先建立滚动轴承滚滑状态下的力学模型,分析了载荷、转速、润滑油动力粘度对滚滑状态的影响;其次为了选定适合的实验参数通过滚动轴承摩擦磨损试验台进行了一系列的试验,随后对不同的滚滑接触下滚动轴承磨损失效规律进行了实验探究,通过表面形貌观测、油液的在线监测及离线检测手段,对滚滑接触下轴承摩擦副磨损机理进行了分析;最后基于油液在线监测数据对轴承寿命进行了预测,构建了一种基于注意力机制的卷积长短时记忆网络（A-CNN-LSTM）模型,通过卷积神经网络（CNN）来提取轴承油液磨损磨粒浓度的局部特征,将提取到的特征向量输入到长短时记忆网络（LSTM）网络进行预测,再通过注意力机制决定输出数值,实现对滚动轴承的寿命预测。研究发现滚动轴承的滚滑运动的程度随着径向载荷的减小、转速的增加、润滑油的动力粘度的变大而增大,并且径向载荷对轴承滚滑运动状态的影响最大;当轴承滚子-内圈摩擦副发生滚滑接触后,滚动轴承的磨损会在短时间内经历磨合磨损、稳定磨损、剧烈磨损三个阶段,轴承摩擦副的磨损失效以轴承疲劳磨损为主;滚滑接触下会在较短时间轴承内圈的表面形貌会发生明显变化,出现大面积的摩擦疲劳点蚀的典型特征形貌凹坑,润滑油中磨粒浓度和颗粒度增长迅速,磨粒的形状变大,并且滚滑运动状态程度越大,在相同时间下表面形貌和表面形貌的数值变化越明显,磨粒浓度增长速度更快;基于A-CNN-LSTM模型能够通过对油液中磨粒的浓度进行预测来反应轴承的退化趋势,通过几种不同模型之间的对比发现本文的模型具有较好的预测精度。