随着智能制造的提出,我国无论是在精密仪器还是大型装备的生产制造上,都取得了瞩目的成绩。而伴随着制造业的崛起以及国民经济的发展,对于机械设备的需求量越来越大,要求也越来越高,从而对于机械设备的安全性检测及控制就显得格外重要,一旦机械设备在生产运行中出现磨损老化等故障,如不能及时发现并采取必要防护措施,便会引发重大的事故。不仅会带来经济上的巨大损失,严重时甚至会危及人的生命安全。如果能准确及时找出故障,并做出正确的决策,就能在很大程度上避免重大灾难性事故的发生。轴承、齿轮箱作为机械传动系统的重要零部件,影响着设备的关键性能。因此,有必要对它们进行相关的寿命预测及其相应的状态评估,从而保证机械设备的安全运行,实现对机械装备的健康管理。本文以实验台滚动轴承及现场风机齿轮箱轴承数据的状态监测为主要研究对象,将相似性度量方法应用于机械振动信号的时频分布及由高维特征空间提取的主曲线中,提出了基于相似性度量的机械设备状态评估方法,实现了对机械设备运行状态的监测,并且以此为基准对早期轴承故障进行一个预警分析,最后设计软件系统以满足其在后续工程运用的需求。本文主要完成了以下几个方面的研究内容:(1)首先,基于传统的信号分析,对比研究了短时傅里叶变换(STFT)、小波变换、S变换、希尔伯特黄变换以及Wigner-Ville分布等几种时频分析方法,指出其不足及优势。其次,介绍了图像相似性度量的各种方法,如均方误差(MSE)和峰值信噪比(PSNR)等仅考虑灰度值的相似性度量方法,以及综合图像的亮度、对比度和结构信息的结构相似度(SSIM),结合相位一致性(PC)和梯度幅值(GM)的特征相似性(FSIM)等相似性度量方法。最后,结合Wigner-Ville分布及特征相似性(FSIM)提出了时频分布相似性度量的机械设备状态评估方法。并通过滚动轴承全寿命实验进行实验分析,验证了该方法的有效性。(2)针对单一特征对早期故障不敏感、不稳定的特点,提出了结合时域、频域及小波包能量特征的高维特征集,而为了解决高维特征集信息冗余、计算复杂及运行效率低下的问题,研究了对原始高维特征集进行拉普拉斯特征映射(LE)及软-K主曲线提取的方法,并进行了对比验证实验,最后进行曲线相似性评价,利用经典的欧氏距离、动态时间规整(DTW)、离散Frechet距离与Hausdorff距离作出相似性度量评价曲线。运用滚动轴承全寿命实验进行实验对比分析,证明了该方法可以有效识别滚动轴承运行过程中的早期故障,为机械设备的维修决策提供依据。对比分析该方法与HMM及DBN等状态评估方法,可以看出本文方法对轴承早期故障更敏感。(3)结合C#在界面开发与端口操作和MATLAB在数据处理与图形化方面的优势,应用C#语言与MATLAB平台混合编程(基于.NET组件技术),开发了机械设备状态评估软件系统。并利用风力发电机齿轮箱轴承振动数据进行了分析,结果表明该软件系统可以有效评估该齿轮箱的运行状态及对故障做出及时的预警,进而证明该软件系统的有效性。