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。本文以型号为6307单列深沟球轴承为研究对象,基于S变换时频谱探索提取新的更加有效的特征指标将其应用到对滚动轴承的性能退化评估中。全文主要内容如下:(1)对S变换时频谱进行了不同角度的复杂度度量。对S变换时频谱整体进行复杂度度量提出了S-时频熵;对S变换时频谱沿时间序列展开进行复杂度度量提出了S-时间熵;对S变换时频谱沿频率序列展开进行复杂度度量提出S-频率熵。通过三种熵值指标的数学模型仿真分析和全寿命周期加速疲劳试验数据对比分析,发现三种熵值指标对于滚动轴承各个失效阶段的反应各有优势,丰富了性能退化评估框架下的特征群。(2)对滚动轴承信号经S变换后得到的S时频谱矩阵进行GLCM熵值特征提取作为最终特征指标,提出S-GLCM熵。通过对S-GLCM熵值指标的数学模型仿真分析和全寿命周期加速疲劳试验数据对比分析,验证了该指标的有效性。(3)对滚动轴承信号经S变换后得到的S时频谱矩阵进行SVD熵值特征提取作为最终特征指标,提出S-SVD熵。通过对S-SVD熵值指标的数学模型仿真分析和全寿命周期加速疲劳试验数据对比分析,发现该指标对于同一工况下不同轴承数据反映差异较大,不能适用作为特征指标对滚动轴承进行性能退化评估。(4)将文中提出的有效特征指标(S-时频熵、S-时间熵、S-频率熵、S-GLCM熵)以及有效值、STFT熵、haar小波基CWT熵组成新的特征群,对滚动轴承进行CHMM性能退化评估,结果表明以上方法能够敏锐的监测设备的运转状态,能够准确的判断设备的性能退化重要阶段。