来源：期刊VIP网 时间：
作者：仝兆景;孟令强;唐晋豪;吴鹏;
单位：河南理工大学电气学院;
摘要：针对多尺度散布熵方法无法准确估计信号复杂性的问题，为更精确地提取轴承振动信号的故障特征，将加权精细复合多尺度散布熵(Weighted refined composite multiscale dispersion entropy, wRCMDE)引入到轴承故障特征提取中。在此基础上，提出了一种基于wRCMDE与改进贝叶斯网络相结合的滚动轴承故障诊断方法。通过计算不同故障振动信号的wRCMDE,并选取合适尺度下的多个wRCMDE值作为特征向量形成特征样本，输入到改进萤火虫算法优化的贝叶斯网络中进行故障分类识别。通过实验数据分析，将所提方法与基于多尺度散布熵和精细复合多尺度散布熵的故障特征提取方法进行对比，结果表明，该方法能够更加准确地识别滚动轴承的故障类型，且识别率更高。
关键词：加权精细复合多尺度散布熵;;萤火虫算法;;贝叶斯网络;;故障诊断
基金资助：国家自然科学基金项目(U1504623);; 河南省软科学研究计划(252400410717);; 河南省高等教育教学改革研究与实践项目(研究生教育类)(2023SJGLX144Y);; 河南理工大学研究生教改项目(2023YJ20)
