机械设备的正常运转是工业生产的重要保障,因而其运行可靠性评估技术日益受到重视。论文以振动信号分析为基础,从特征提取、运行可靠性评估两个关键环节进行研究,提出了基于快速变分模态分解、参数优化的多尺度排列熵和模糊支持向量数据描述的运行可靠性评估方法。通过建立机械设备运行状态信息与可靠性之间的关系,进而实现机械设备的运行可靠性评估。首先,为进一步加快对信号分解速度,在变分模态分解的基础上,研究一种基于快速变分模态分解的信号分析方法。该方法引入快速迭代的思想,对拉格朗日乘法算子进行二次更新,在迭代终止准则不变的情况下,加快了算法的收敛速度。通过仿真信号对快速变分模态分解方法分解性能进行分析验证,并用轴承实测信号验证其有效性。其次,通过分析多尺度排列熵算法的参数时间序列长度N、嵌入维数m、延迟时间τ和尺度因子s对多尺度排列熵的影响,针对多尺度排列熵算法的参数确定问题,提出基于有向自组织动态拓扑结构两阶段微粒群算法的多尺度排列熵参数优化方法。之后,将快速变分模态分解与参数优化的多尺度排列熵结合提取故障特征信息,最后采用轴承实测信号验证所提方法的有效性。再次,为解决在运行可靠性评估中缺少故障样本的问题,提出了基于模糊支持向量数据描述的运行可靠性评估方法,该方法只需要正常状态下的样本就可以建立运行可靠性评估模型。同时,模糊支持向量数据描述是在支持向量数据描述的基础为每个样本引入隶属度系数,进而能够描述每个样本的重要程度或所属类别的不确定性,能够建立更有效的评估模型。最后通过轴承振动信号验证其有效性。最后,在实验平台上采集齿轮不同转速和不同负载的振动信号,利用快速变分模态分解方法对采集的振动信号进行分解并重构,与参数优化的多尺度排列熵算法结合进行信号特征提取,最后采用模糊支持向量数据描述进行运行可靠性评估。结果表明,本文所提方法能够准确评估出不同转速和不同负载齿轮的运行可靠性。