随着工业时代的逐步推进,机械设备的结构、系统、控制等之间的联系日趋紧密和复杂,无论是哪一部分发生了失效或出现了故障,都会牵一发而动全身,轻则机械设备性能无法实现预期功能、控制系统发生失效,重则产生灾难性的后果。机械设备故障的产生,除了会造成巨大的经济和财产损失外,严重的还会造成重大的人员伤亡、环境污染和恶劣的社会影响。因此,对机械设备的故障特征的研究,则是保证生产生活顺利进行的重要课题。故障诊断问题的提出和研究往往都是基于实际问题,具有很强的工程应用背景,而实际的工程环境多为复杂的非线性系统,几乎含有各种各样的非线性因素。因此用非线性系统模拟实际的机械设备工作环境,并对其中的故障信号特征进行识别和提取是十分必要的。本文利用基于排列熵理论的伪相平面法和分数阶排列熵谱,对滚动轴承的典型故障进行了分析和研究。主要的研究内容为:(1)研究了基于排列熵及其相关理论的一种新的伪相平面方法,用于对滚动轴承故障信号特征进行识别。通过传统的排列熵理论,将位移激励、一次排列熵、二次排列熵分别作为状态变量,构成位移激励-一次排列熵和位移激励-二次排列熵两种伪相平面形式。对仿真信号和实测滚动轴承故障信号进行了分析,结果显示伪相平面法可以将振动信号中的倍周期特征和其它信号特征有效地识别出来。(2)在研究整数阶排列熵理论的基础上,利用仿真信号对分数阶排列熵的有效性进行了验证,并证明了分数阶排列熵对滚动轴承故障信号中的突变具有一定的敏感性。然后基于分数阶排列熵算法,提出了分数阶排列熵谱这一新方法,用于提取微弱的突变信号,并通过数值仿真验证了该方法的有效性。结果显示,相较于整数阶排列熵和整数阶排列熵谱,分数阶排列熵谱对微弱故障信号的特征识别更加有效,故障频率成分更加明显,为今后故障诊断中对微弱突变信号特征提取提供了一种新思路。最后,对全文所做的研究内容进行了总结,并对今后的工作做出了展望。