旋转机械的安全、稳定运转是以设备及零部件的正常工作为基础条件的。随着工业与科技的发展壮大，旋转设备朝着高速、重载、结构复杂以及环境恶劣等苛刻工作条件发展。这不但为各部件的生产、加工及工艺要求提出了重大挑战，更为设备的运行状态进行准确地评估增大了难度。一旦对旋转机械的性能评估不准确而延误了有效停机时间，轻则造成经济损失，重则导致灾难性的人员伤亡并造成恶劣影响。因此，有效、及时、准确地评判设备运行状态是实现视情维修的重要途径。　　性能退化评估与传统的故障诊断方法有所不同的在于它忽略了某时刻某类故障的离散状态，而是以设备全寿命性能状态为研究对象，分析其与正常状态的偏离程度、何时出现故障及失效点，即对设备衰退程度的定量化研究。本文以滚动轴承为研究对象，以评估其性能退化程度为目标，研究以下几类性能退化评估方法：　　(1)考虑到信号中的非线性特征，研究以熵为滚动轴承运行振动特征，并利用以样本熵为基础的不同时间尺度的多尺度熵来表征不同运行状态下滚动轴承振动信号的复杂度，结合不同尺度熵值提出一个性能退化融合指标，并通过轴承不同故障程度数据以及齿轮箱全寿命验证了该指标的有效性；　　(2)考虑到时域特征中原始信息丰富，研究以TESPAR(时间编码信号处理与诊断)为振动信号特征提取方法，提取TESPAR的两类时频矩阵作为特征，以高斯混合模型构建早期无故障样本，求后期振动信号特征与该模型之间的似然概率作为性能退化指标，并以IMS(Intelligent Maintenance Systems)滚动轴承全寿命振动数据来验证方法的有效性；　　(3)考虑到故障程度与波形能量的关系，研究以第二代小波包为时频分析工具，提取不同小波包频带能量为波形纵向特征，结合TESPAR特征作为波形横向特征构造特征集，并利用支持向量数据作为特征聚类工具构造早期无故障样本超球面，求后期振动信号特征集到超球面的马氏距离作为性能退化评估指标，并基于6205轴承搭建了一个滚动轴承寿命疲劳实验台，以测得的信号作为以上方法的数据支撑，并通过实验来比较概率模型与距离模型之间的优劣。