潘玉娜，程道来，贾玉琛

（上海应用技术大学轨道交通学院，上海201418 ）

1 引言

随着科学技术的进步和工业的发展，旋转机械需要应对的工况越来越复杂。旋转机械在长期运行过程中，其关键零部件逐渐老化，使用寿命逐渐减少，发生机械故障的概率随之增加[1]。现有的机械设备维护方式主要分为定期维护和事后维修两大方法。事后维修是指机械设备在运行过程出现故障后才进行维修，虽然此种方法能够阻止设备故障进一步恶化，但是会造成不可避免的财产损失以及人员伤亡的风险。定期维修是指定期的对机械设备关键零部件进行检查、更换。这种方法虽然弥补了事后维修带来的财产损失以及人员伤亡的风险。但是当维修间隔设置不合理时，会产生维修不足或维修过剩问题，造成资源浪费，加大设备使用、维护成本。因此，对旋转机械重要部件进行可靠、全面的性能退化评估已成为设备状态监测领域的研究热点。寻找一种尽可能保持与性能退化过程一致并且对早期退化过程较为敏感的特征指标变得尤为重要[2]。

滚动轴承运行过程中产生的非高斯、非平稳性振动信号往往包含复杂的频率特征。S变换作为小波变换和短时傅里叶变换的继承与发展，具有良好的时频聚集性[3]。灰度共生矩阵能够通过研究灰度的空间相关特性来描述图像纹理[4]。信息熵作为一种度量信号复杂程度的方法，已经在性能退化评估中得到应用并取得了一定的效果[5-6]。……