中车青岛四方机车车辆股份有限公司 宋成洋 束展逸 孙宇轩

滚动轴承是高速列车的重要组成部分，对滚动轴承进行性能退化评估可提高列车的运行可靠性。针对性能退化评估模型中的重构模型进行研究，提出一种将多尺度熵和自编码器相结合的评估方法。提取轴承信号的多尺度熵作为特征，训练阶段使用无故障阶段信号特征构建基准自编码器，并使用粒子群优化算法对超参数进行优化；测试阶段将待测信号提取特征后输入基准自编码器中进行重构并计算重构误差作为评估故障程度指标。使用轴承疲劳试验数据对所提方法进行验证，结果表明该方法可有效反映轴承的故障程度，及时发现早期故障。

滚动轴承是高速列车中较为关键的零部件之一，在列车运行中起着承受和传递载荷的作用，其运行状态会影响列车的性能，对轴承进行性能退化评估的研究就具有重要的实际意义。

基于信号的性能退化评估方法主要以采集到的振动信号数据为基础，挖掘振动信号中的特征信息，建立故障状态识别模型来对设备的健康状态进行定量评估。近年来非线性特征参数如能量熵、样本熵等被广泛地用于振动信号的特征提取，而为了解决上述特征参数只能反映信号单一尺度信息的缺陷，多尺度熵（Multi-Scale Entropy）的概念被提出，可用于度量信号的多尺度复杂性。

故障状态评估模型大多是从故障诊断模型发展而来，包括概率相似度模型、距离模型和重构模型等。……