传统的设备维护模式是基于被动维修策略的事后维修、定期维修和视情维修，这种应对式的维修难以满足现在的生产要求。因此，需根据设备运行状态主动的制定相应的维护策略。设备性能退化评估就是一种基于主动维护策略的维护技术。性能退化评估方法与传统的故障诊断方法不同之处在于该法重点是针对设备全寿命周期内的走势进行预测分析，并不是局限于某一个特定的状态。本文以滚动轴承为研究对象，提取信号的小波包熵特征，分别建立基准状态和运行状态的高斯混合模型(Gaussian Mixture Model,GMM)，通过比较运行状态模型相对于基准状态模型的偏离程度对设备性能退化状态进行分析。论文主要内容包括：(1)针对小波特征提取以及故障信号的特点，对小波分解过程中小波包基和分解层数的选择进行了研究。(2)利用基于GMM的方法进行轴承故障诊断，并与SVM方法进行对比，验证了所提方法的有效性和准确性。(3)提出了基于偏离值的性能退化分析方法，对滚动轴承仿真数据进行了分析，并与时域特征进行比较；对滚动轴承全寿命周期数据进行退化分析并与基于逻辑回归的设备性能退化分析方法进行了比较。结果表明所提方法具有较好的早期故障识别能力，能够较准确的反映滚动轴承性能退化全过程，并具有无需历史数据以及无需定义先验概率的优点。