随着机械设备各零部件之间的联系越来越紧密，一旦某零部件失效，可能导致整台设备损毁。若能在失效之前定量评估出其性能退化的程度，就可以有针对性地组织维修，避免失效的发生。因此，开展机械设备零部件性能退化评估的工作对生产效益和人身安全具有重要意义。机械设备零部件性能退化评估是根据其各运行状态间的差异性来描述的，这种差异性一般隐藏在大量非线性非平稳信号当中，难以直接获取。因此，本文针对性能退化评估方法在实际应用中存在的问题，以实现机械设备零部件性能退化评估为目标，对性能退化评估技术在工程化应用中的关键问题展开研究，主要研究内容如下：
针对性能退化特征缺乏统一评价体系的问题，在总结机械设备零部件性能退化过程一般规律的基础上，提出对性能退化特征提取具有指导意义的性能退化特征评价准则及相应的定量化评价指标，并利用时间序列线性化突变点检测方法给出量化指标的计算过程。同时，根据高维空间数据对零部件运行性能的反映，研究能够明显反映性能退化过程的性能退化特征的提取，提出基于邻域参数自适应选取局部线性嵌入算法的性能退化特征提取方法，为性能退化评估模型提供有效的输入，并通过实际数据验证方法的有效性。
针对单一特征对机械设备零部件性能退化过程反映不够全面和性能退化评估模型训练时间长，响应速度慢的问题，研究基于自组织映射神经网络的快速性能退化评估模型。通过网络初始权值优化和迭代次数自动停止准则，实现评估模型的快速响应。同时，针对最小量化误差对性能退化程度反映不直观的问题，将最小量化误差转换为相对于正常状态的置信度并讨论比例参数的选择以实现评估结果更为直观地表达。最终，为单个传感器数据的性能退化评估提供一种有效途径，并通过仿真数据和实际数据验证快速性能退化评估模型的有效性。
针对单传感器评估结果的不确定性问题，分析信息融合技术在机械设备零部件性能退化评估中的作用，并给出综合考虑多个评估结果的性能退化融合评估框架。结合D-S证据理论对多个证据合成的优势，提出基于D-S证据理论的性能退化融合评估方法。针对证据冲突问题，提出一种证据合成优化策略，使合成结果更符合实际经验。同时，将人为设定评估模型训练样本所造成的误差作为一部分证据，以降低证据的不确定性。最终，实现多传感器信息评估结果的融合以消解局部冲突造成的不确定性，进而提高评估结果的准确性，并通过仿真数据验证方法的有效性。
基于以上研究成果，设计并开发一套机械设备零部件性能退化评估系统，利用插件技术提高系统的可扩展性。将本文方法应用于活塞加工刀具的性能退化评估中，进一步验证本文方法的可行性。