超声波电机作为一种新型电机,由于其机械结构和运行原理的特殊,该电机常应用于现代高精尖设备中。但是由于该电机中的压电陶瓷属于脆性元件,长期在高频激励下工作容易出现开裂等故障。为了避免引起重大事故的发生,本文首先根据数学形态学理论提出了基于数学形态边界跨度分析的超声波电机压电陶瓷退化状态识别算法,该算法减小了传统故障识别算法中对状态特征值的依赖程度,从而使该算法在状态特征值区分度较小的情况下具有较高的退化状态识别精度。但是由于该算法无法彻底避免对状态特征值的依赖,所以本文又提出了基于分段分形维数稀疏度表示分类器的超声波电机压电陶瓷退化状态识别算法,该算法主要通过信号变化规律特征来对压电陶瓷的退化状态进行识别,从而有效的解决了在状态特征值区分度极小时所带来的误识别现象,但是由于在失效状态下的压电陶瓷故障特征没有规律可循,在失效状态下有误识别现象存在。为了解决上述两种退化状态识别算法所存在的弊端,本文提出了一种基于信息熵的灰色关联选择器算法,该算法可以有效的区分出两种算法的优缺点,因此在退化状态识别过程中可以在上述两种退化状态识别结果中动态的选择有效的退化状态识别结果作为最终识别结果。最后通过实验分析证明了该算法的有效性,并且该算法在较高噪声干扰的情况下仍具有非常高的退化状态识别准确性。