基于改进多尺度散布熵与自适应支持向量机的滚动轴承故障诊断

作者：郭代华

来源：轴承, 2022, (11): 76-82.

DOI：10.19533/j.issn1000-3762.2022.11.014

• 滚动轴承
• 故障诊断
• 特征提取
• 多尺度散布熵
• 支持向量机

针对滚动轴承故障特征提取和识别困难等问题，提出一种基于改进多尺度散布熵与自适应支持向量机的滚动轴承故障诊断新模型。精细时移多尺度散布熵(RTSMDE)采用精细化运算和时移粗粒化方式，能够有效克服传统多尺度散布熵存在的熵值不稳定现象，因此采用RTSMDE全方面挖掘滚动轴承故障特征并输入哈里斯鹰优化支持向量机(HHOSVM)进行智能故障诊断。试验结果表明：RTSMDE在衡量非线性时间序列复杂度和挖掘故障特征信息方面优于精细复合多尺度散布熵和多尺度散布熵等方法，HHOSVM在故障识别方面优于支持向量机和灰狼优化支持向量机等分类器，所提故障诊断模型能够有效、准确地识别轴承运行状态。