郑近德, 潘海洋, 程军圣, 张　俊 (.安徽工业大学 机械工程学院，安徽 马鞍山　4303; .湖南大学 汽车车身先进设计制造国家重点实验室，长沙　4008)



基于复合多尺度模糊熵的滚动轴承故障诊断方法

郑近德1, 潘海洋1, 程军圣2, 张俊1(1.安徽工业大学 机械工程学院，安徽 马鞍山243032; 2.湖南大学 汽车车身先进设计制造国家重点实验室，长沙410082)

摘要：为了精确地提取滚动轴承振动信号非线性故障特征，针对多尺度熵(Multi-Scale Entropy，MSE)中粗粒化方式的不足，提出一种新的衡量时间序列自相似性和复杂性的方法——复合多尺度模糊熵(Composite Multi-Scale Fuzzy Entropy，CMFE)。与MSE相比，CMFE综合同一尺度下多个粗粒化序列的信息，随着尺度因子的增加，熵值变化更加稳定，一致性更好。在此基础上，结合Fisher得分特征选择和支持向量机模式分类，提出了一种新的滚动轴承智能故障诊断方法。将提出的方法应用于滚动轴承实验数据分析，通过对比结果验证了所提出方法的有效性和优越性。

关键词：多尺度熵；复合多尺度模糊熵；特征选择；滚动轴承；故障诊断

当机械设备出现故障时，振动信号往往表现出非线性和非平稳特征。因此，许多非线性动力学的方法由于能够有效地提取隐藏在振动信号中其它线性方法无法提取的故障特征信息而在机械故障诊断中得到了广泛的应用[1]。如近似熵，样本熵和多尺度熵等已被应用于机械故障诊断领域。Yan等[1]将近似熵应用于机械系统健康状态监测；赵志宏等[2]将样本熵应用于滚动轴承的故障诊断，提出了一种基于集成经验模态分解和样本熵的故障诊断方法；……