王小玲，陈 进，从飞云

(上海交通大学 机械系统与振动国家重点实验室，上海 200240)

滚动轴承是应用最为广泛的机械零件之一，同时也是机械设备中最容易损坏的元件之一。据统计，在使用滚动轴承的旋转机械中，大约有30%的机械故障都是由于轴承引起的。因此对轴承的故障识别和诊断一直机械故障诊断的重点和热点。

研究表明，轴承信号具有非平稳性，传统的信号分析方法常常受到限制，因为不能同时得到信号在时域和频域的信息。时频分析是一种比较有力的非平稳信号分析工具。它能够建立信号能量在时间和频率上的分布，在此基础上进行分析和处理，可以更有效提取信号中包含的特征信息［1］。单纯的时频分析结果并不便于直接进行故障的监测和诊断，其后续处理是多种多样的。近年有许多研究在时频分析的基础上，进行了故障监测指标的提炼，以更直观地进行故障诊断。Dwyer［2］将时域的峭度指标引入到频谱分析中，提出了谱峭度的概念，Antoni［3］对此进行了深入的研究，提出了基于短时傅里叶变换(STFT)的谱峭度法，并将其用于实际机械故障的诊断。林京等［4］将信息熵与短时傅里叶变换相结合，提出了信号时频熵的概念，并将其用于齿轮故障诊断;申弢等［5］将信息熵与小波分析相结合，提出了小波能谱熵和小波空间状态特征熵的概念，并将其用于转子系统故障诊断。

相比于峭度等传统故障监测指标，信息熵在故障检测领域是一个较新的概念，是对系统复杂性程度的描述。……