柴油机在运行过程中气门间隙逐渐增大，其状态会随气门性能退化而发生改变。针对传统状态评估方法难以对其气门性能退化状态进行准确评估的问题，提出基于同步提取增强广义S变换(Synchro　Extracting　Enhanced　Generalized　S-Transform,　SEEGST)的柴油机气门性能退化状态评估方法。通过传感器采集反映柴油机状态的振动信号；为解决传统信号时频分析方法存在时频分辨率低、能量聚集性弱等问题，基于同步提取算法与广义S变换提出SEEGST时频分析方法，将振动信号转换为二维时频图；利用MLP-Mixer模型提取时频图像特征进行训练，实现柴油机状态评估。通过柴油机状态监测实验台开展气门性能退化实验，将所提方法与SSGST-MLPMixer、GST-MLPMixer、SEEGST-ViT、SEEGST-2DCNN、FFT　spectrum-1DCNN　5种传统方法对比。实验结果表明：所提方法的整体评估准确率达到98.96%,可有效应用于柴油机气门性能退化状态评估领域，为开展柴油机气门性能退化状态评估提供一种新的思路。