安全是轨道交通永恒的主题，尤其是在轨道交通事业集中建设和高速发展的全盛时期，安全问题更是全社会关注的焦点。轨道交通列车的正常服役是保障轨道交通系统安全高效运营的必要条件，而轨道交通列车能否正常运行直接取决于其中的运行安全关键设备的服役状态。　　滚动轴承广泛应用于铁路车辆、汽车、工程机械行业等。它们的故障率高，并且直接影响到机械设备的整体性能。因此，准确、有效的监测和识别滚动轴承的状态对提高工作效率，减少操作成本和保护操作安全具有重要的意义。　　为了定量的衡量滚动轴承的状态，安全域的基本思想被引入到滚动轴承的状态监测中。本文利用了功率谱熵、奇异谱熵、SVM和矩阵平滑来全面的评估滚动轴承的安全域，从而区分故障状态和正常工作状态。首先，将振动信号以一定的时间间隔进行分段，每段作为一个样本。然后求出每个样本的功率谱熵、奇异谱熵，将它们作为该样本的特征向量。最后，用支持向量机（SVM）估计轴承工作状态的安全域，用多分类SVM方法对样本四个状态进行分类。通过分类的结果，不但可以估算出滚动轴承的安全域，而且能准确有效的区分滚动轴承的各种工作状态。后面在求解奇异谱熵的时候，引入了矩阵平滑的方法，通过引入噪声数据来对比两种算法的分类准确率，验证了矩阵平滑对噪声的处理能力。