机械设备的可靠运行既关系到机械设备的产品质量,也关系到机械设备的实际生产,因而机械设备的运行可靠性直接决定其核心竞争力。论文提出基于快速变分模态分解、参数优化多尺度排列熵和核模糊C均值聚类的运行可靠性评估方法。首先从信号处理方法着手,对振动信号进行处理,进而对处理后的信号进行特征提取,最后对提取的特征数据进行运行可靠性计算,完成对机械设备的运行可靠性评估。首先,采用快速变分模态分解方法对振动信号进行信号处理。快速变分模态分解方法是对变分模态分解方法改进得来的,它通过引入一个迭代算子对算法中原有的拉格朗日乘法算子进行二次更新,使得在迭代终止条件不变的情况下,减少迭代次数及运行时间。通过非平稳仿真信号的分解对快速变分模态分解方法进行验证,并将快速变分模态分解应用于实测信号分解。其次,分析多尺度排列熵方法的参数尺度因子s、时间序列长度N、延迟时间τ和嵌入维数m对熵值的影响,因此考虑采用优化算法对多尺度排列熵方法的参数选取进行优化,提出有向自组织动态拓扑混合群优化多尺度排列熵方法。通过结合快速变分模态分解方法,先对信号进行处理,进而利用多尺度排列熵量化处理后信号的状态信息,留待后续方法处理使用。之后,通过轴承振动信号验证该特征提取方法的可行性。再次,为解决运行可靠性评估不能判断损伤类型的问题,提出基于核模糊C均值聚类的运行可靠性计算方法。通过计算每一组多尺度排列熵到正常状态聚类中心的距离来确定机械设备的运行可靠性,之后根据贴近度确定待评估样本的损伤类型。对滚动轴承在不同损伤程度及不同损伤类型共10种状态下的振动信号进行运行可靠性评估,从而验证所提评估方法的可行性。最后,进行运行可靠性评估实验,通过实验采集滚动轴承在不同转速及不同损伤类型下的振动信号,首先利用快速变分模态分解方法分解并重构实验所采集的振动信号,进而由参数优化多尺度排列熵方法对重构信号的状态信息进行特征提取,然后应用核模糊C均值聚类方法进行运行可靠性评估。验证所提方法的有效性和可行性。