基于MLSE和可拓理论的液压泵故障模式识别

提出了一种新的衡量时间序列复杂度的方法——多尺度局部最大样本熵(Multiscale Local-maximum Sample Entropy,简称MLSE),与多尺度熵相比,MLSE抑制了振动信号中的噪声和干扰成分,同时又提高了每个时间尺度上样本熵的计算精度。将液压泵不同状态下的MLSE作为特征向量,利用可拓理论进行故障模型识别,并将其与另外两种方法进行对比,结果表明该方法故障识别准确率最高、耗时最短,验证了该方法的优越性。