Dynamic health monitoring (DHM) and performance degradation assessment (PDA) is critical for mechanical bearings throughout their long in-service life. For this issue, it is currently rare to find a framework with interpretable and automatic approaches developed from pure signal processing techniques and statistical theories. Therefore, an integrated framework via key-spectrum entropy and statistical properties for bearing DHM and PDA is developed in this paper, which integrates the proposed key spectrum, key-spectrum entropy, joint statistical alarm and fault identification strategy, health phase segmentation strategy, and three-dimensional (3D) key spectrums. First, a Kurtosis-Energy metric is defined to extract the key spectrum, which is reconstructed by two wavelet-decomposed sub-bands where the interference components are suppressed. A new health index (HI) of key-spectrum entropy is then defined to quantify the bearing degradation process. Second, a joint statistical alarm and fault identification strategy via updated HIs and key spectrum is proposed to form a DHM methodology for implementing bearing dynamic fault detection and recognition. Third, a health phase segmentation strategy and 3D key spectrums are developed to form a PDA methodology for implementing bearing health phase assessment and degradation pattern analysis. Comprehensive evaluations and comparisons on eighteen sets of bearing degradation vibration signals demonstrate the validity of the proposed framework, as well as its great practical application prospects.

动态健康监测 (DHM) 和性能退化评估 (PDA) 对于机械轴承在其较长的使用寿命期间至关重要。对于这个问题，目前很少能找到一个框架，该框架具有从纯信号处理技术和统计理论开发的可解释和自动方法。因此，本文开发了一个基于关键谱熵和统计特性的轴承 DHM 和 PDA 集成框架，该框架集成了所提出的关键谱、关键谱熵、联合统计报警和故障识别策略、健康阶段分割策略，以及三维 (3D) 关键频谱。首先，定义峰态能量度量来提取关键频谱，该关键频谱由两个抑制干扰分量的小波分解子带重建。然后定义了一个新的关键谱熵健康指数 (HI) 来量化轴承退化过程。其次，提出了一种通过更新 HI 和关键谱的联合统计报警和故障识别策略，以形成用于实现轴承动态故障检测和识别的 DHM 方法。第三，开发了健康阶段分割策略和 3D 关键光谱，以形成用于实施轴承健康阶段评估和退化模式分析的 PDA 方法。通过对18组轴承退化振动信号的综合评价和比较，证明了所提框架的有效性，以及良好的实际应用前景。提出了一种通过更新的 HI 和关键谱的联合统计报警和故障识别策略，以形成用于实现轴承动态故障检测和识别的 DHM 方法。第三，开发了健康阶段分割策略和 3D 关键光谱，以形成用于实施轴承健康阶段评估和退化模式分析的 PDA 方法。通过对18组轴承退化振动信号的综合评价和比较，证明了所提框架的有效性，以及良好的实际应用前景。提出了一种通过更新的 HI 和关键谱的联合统计报警和故障识别策略，以形成用于实现轴承动态故障检测和识别的 DHM 方法。第三，开发了健康阶段分割策略和 3D 关键光谱，以形成用于实施轴承健康阶段评估和退化模式分析的 PDA 方法。通过对18组轴承退化振动信号的综合评价和比较，证明了所提框架的有效性，以及良好的实际应用前景。开发了健康阶段分割策略和 3D 关键光谱，以形成用于实施轴承健康阶段评估和退化模式分析的 PDA 方法。通过对18组轴承退化振动信号的综合评价和比较，证明了所提框架的有效性，以及良好的实际应用前景。开发了健康阶段分割策略和 3D 关键光谱，以形成用于实施轴承健康阶段评估和退化模式分析的 PDA 方法。通过对18组轴承退化振动信号的综合评价和比较，证明了所提框架的有效性，以及良好的实际应用前景。