岸桥作为现代港口码头上的大型起重机械,主要负责码头上集装箱的装卸工作。岸桥所处工作环境多为高湿、高盐等恶劣条件,其工况复杂多变,保持岸桥的良好运行对于企业高效作业与安全生产尤为重要。起升减速箱是岸桥的主要传动机构。集装箱的急起、急停、加速提升、减速降落和大车的移位等操作,导致岸桥起升减速箱频繁承受载荷冲击,同时受岸桥自身低频振动的影响,造成起升减速箱动态性能的持续退化。基于上述原因,起升减速箱成为岸桥的易损部件之一。目前,针对减速箱、轴承等旋转机械的故障诊断已经相对比较成熟,但是对于起升减速箱的状态监测和退化评估问题仍然没有得到很好解决。如何针对岸桥起升减速箱的工况和信号特点,提出有针对性的信号分析与健康状况评估方法,是目前智慧港口建设中智能维修与安全工程技术难点之一。应用港机工业大数据及技术为解决这一难题提供了一个新的方法和手段,这对于提升港口设备健康管理水平具有理论指导意义和工程应用参考价值。本文以岸桥起升减速箱为研究对象,以其海量振动载荷谱为数据基础,深入研究不可见状态退化过程中的评估技术与方法,本文的主要研究内容和成果包括:（1）应用时域多尺度退化特征提取方法,研究并揭示了起升减速箱健康状况在时域不同尺度内的退化特征和规律,提出了基于复合多尺度模糊熵的退化特征提取方法。以复合多尺度分析在时域上对信号进行多尺度分解,以模糊熵和平均模糊距离定量评估每个时域尺度内的复杂度大小,仿真和实例分析表明,该方法能够全面表征时域多尺度下的退化主趋势和细节规律,为起升减速箱动态性能评估提供了高质量的特征信息。（2）针对减速箱在多尺度时频域内退化规律的表征问题,进一步应用时频域多尺度退化特征提取方法。研究并揭示了起升减速箱健康状况在时频域不同尺度内的退化特征和规律,提出了基于经验模态分解-kolmogorov熵的退化特征提取方法。该方法采用经验模态分解对信号进行自适应时频分解,选取主分量并分别计算每个主模态的kolmogorov熵,以该定量评估信号在不同时频尺度内的复杂度大小。仿真和实例分析表明,该方法能够表征多时频尺度内的信号随机程度大小,定量刻画不同性能退化的规律,针对时域多尺度的退化特征研究,扩充了时频域多尺度的特征提取方法,更加丰富了退化特征描述的内容。（3）针对岸桥起升机构运行条件复杂,多维退化特征向量波动强、信息冗余等问题,本文提出了基于结合局部加权光滑描点技术法-主成分分析（Lowess-PCA）的多维退化特征优化方法。该方法有效地祛除特征曲线演化进程中的随机波动,挖掘得到平滑准确的退化主趋势,从而提高了起升减速箱退化状态趋势分析的精度,为准确评估退化状态奠定了基础。（4）最后,本文以约简的退化特征向量为基础,提出了面向模糊C均值聚类的退化状态评估方法。该评估方法在上述对起升减速箱动态性能退化机理和趋势变化规律研究的基础上,应用基于滑动窗-OCSVM的异常点检测方法,有效针对起升减速箱动态性能在退化过程中的阶段性动态识别,并通过滚动轴承全寿命数据得到很好的实验验证。综上所述,本文通过对多尺度分析技术的应用研究,提出了针对性的特征提取和状态评估技术,并通过对现场岸桥起升减速箱全故障周期载荷谱序列的分析,得到了对起升减速箱动态性能的有效评估,本文研究内容和所提出的新方法在工程实际应用上具有参考价值。同时本文开展的研究也为提升同类大型机械状态健康管理水平可提供理论和方法借鉴。