本征时间尺度排序熵及其在滚动轴承故障诊断中的应用

• 作者: 李兴林 李小俚 江国乾 谢平
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 经验模态分解 复杂度 排序熵 故障诊断 滚动轴承
• 年，卷（期）: 2013,（2）
• 页码范围: 179-184
• 页数: 6页
• 分类号: TH133.33
• 字数: 3733字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2013.02.017

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢平	燕山大学电气工程学院	84	659	15.0	21.0
2	李兴林		119	1314	19.0	31.0
3	江国乾	燕山大学电气工程学院	19	113	7.0	10.0
4	李小俚	燕山大学电气工程学院	26	198	9.0	13.0