随着我国制造业装备水平的不断提高，机械设备也越来越先进，对这些设备自动化程度和水平的要求越来越高，如果这些关系到国计民生的大型和关键设备出现了故障，就会造成不同程度的经济损失。因此，对于机械设备进行健康状态评估，实时地对其工作状态进行监测，在设备运转过程中把握设备的工作状态是非常有必要的。通过传感器采集斜盘式轴向柱塞泵的泵端盖振动信号，运用小波包技术对采集到的信号进行分解和重构来实现带通滤波，得到故障信号所在的频段。利用小波包消噪方法对该频段进行消噪处理，提高信号的信噪比，突出故障特征。然后采用Hilbert包络解调技术对消噪的信号进行包络解调，将故障信号从共振信号中解调出来。再对此信号进行降频处理，得到0~2000Hz的频带范围内，得到一个含有丰富故障信息的信号。最后，再利用该信号进行健康状态特征提取。信息熵描述了系统状态不确定性的程度和复杂程度，即信源输入的信息越不稳定和越复杂，信息熵越大。通过对大量资料的查阅，得出信息熵在故障程度评估方面有非常好的效果。采集不同磨损程度的滑靴工作时的振动信号，在时域、频域和时频域对该振动信号进行信息熵的特征提取，得到奇异谱熵、功率谱熵、小波系数能量熵和小波包能量熵，经过实验及数据分析可以得出健康状态越恶劣，信号的复杂度和不确定度越高，那么信息熵值也就越大。所以，信息熵是一个非常好的评估指标，可以应用到液压泵健康状态的评估中。