随着中国制造2025的提出和智能制造的继续发展，无论是在设备的制造还是设备的智能诊断上面都提出了新的要求，滚动轴承作为机械设备中的重要组成部分，其运转状态正常与否将会直接影响着整个机械设备，故滚动轴承的故障诊断对于机械系统的正常运行具有特别重要的作用。　　本文首先回顾了国内外滚动轴承故障诊断现有的方法和科学手段，分析其各自的使用范围和优缺点，并且以此为切入点从滚动轴承的基本结构和故障机理入手，阐述了滚动轴承的常见故障形式和故障原因，并对轴承基本特征进行了简单地分析。然后讨论了CatBoost算法和D-S证据理论相结合的多信息融合故障诊断方案和诊断框架。接着，考虑到滚动轴承的振动信号是时间序列，本文使用统计量方法对振动信号进行检测，并用离散余弦变换(DCT)和logistic多元回归方法进行特征提取，由于反映滚动轴承状态的除了振动信号外，还有包括温度、负载在内的其他影响因子，故把相关特征进行特征融合。然后结合本文背景，采用上述算法进行仿真验证模型的有效性。最后结合实际需求，设计并开发了滚动轴承状态监测与故障诊断系统，并给出了状态监控界面和诊断系统界面。　　本文通过MATLAB的仿真结果表明，相比于单纯的CatBoost算法，基于CatBoost算法和D-S证据理论结合的算法不仅诊断准确率很高，而且能够明显地改善故障诊断精度和模型的鲁棒性，同时融合了logistic多元回归方法计算的概率特征的特征向量，能够有效提高故障诊断的准确率。