随着科技的迅猛发展，机械设备在各行各业得到广泛使用，如何准确监测设备当前的工况、健康状态和控制性能，如何评价工人的操作水平，对于管理者科学管理企业尤为重要。本文以普通车床为例，运用三种方法对车床振动信号进行分析处理，实现工况识别，并根据车床振动信号进行一系列分析，实现对操作人员和车床的相应评估。　　本文信号采集对象是某种型号车床，本文的研究内容包括:　　(1)基于神经网络与主元分析方法对听觉感知特征集进行优化。车床每种工况信号先经过ZCPA听觉模型处理得到听觉谱，然后对听觉谱提取听觉感知特征。通过遗传算法优化神经网络中神经元连接权值和阈值，把听觉感知特征集作为神经网络结构的输入，经过非线性映射，网络输出的新特征集经过主元分析计算，使不同工况的新特征集在第一主元方向投影数据实现可分。　　(2)运用遗传算法对ZCPA听觉模型进行优化，提高听觉模型对各种状态信号的适应性，使车床不同状态振动信号生成的听觉谱之间差异性更明显。同时通过改进相关性计算公式，能够在形状和幅值两方面识别待识别信号，提高识别率。　　(3)基于听觉显著模型和信息熵对车床工作过程信号进行状态识别。振动信号经过听觉显著模型处理得到全局显著图，根据全局显著图极大值点的幅值关系，找到相应的振动信号的冲击点，然后根据冲击点前后信号的信息熵特征对冲击点进行判断，看其是否为相邻状态的切换点。通过提取切换点实现状态识别。　　(4)根据振动信号的信息熵判断出设备的当前健康状态;根据振动信号显著图能量参数、波动特性、烦恼度等参数判断工人操作水平。