本征时间尺度排序熵及其在滚动轴承故障诊断中的应用

摘要

针对滚动轴承故障振动信号的非平稳、非线性特性，将经验模态分解方法和排序熵有机结合，提出一种新的基于自适应尺度的复杂度参数——本征时间尺度排序熵，用于描述不同本征模态分量的复杂程度，从而实现故障特征的量化描述。首先，将原始振动信号经过EMD分解得到若干本征模态分量，然后分别对各本征模态分量计算排序熵，即可得到不同本征时间尺度排序熵，最后利用该参数实现不同故障状态的有效区分与识别。实例分析结果表明了该方法的有效性和实用性，从而为机械设备状态监测与故障诊断提供了一种有效途径。