基于样本分位数排列熵的故障诊断方法

针对滚动轴承故障特征不明显、不易于进行特征提取等问题,提出了一种新的衡量时间序列复杂程度的方法-样本分位数排列熵(Sample Quantile Permutation Entropy,SQPE),并将其应用于滚动轴承故障振动信号的特征提取。通过对振动信号进行样本分位数排列熵计算,有效分离出不同振动信号的故障特征;将熵值组成特征向量,构建分类器并实现对滚动轴承的故障诊断。将提出的方法应用于试验数据分析,结果表明:样本分位数排列熵能够有效提取滚动轴承的故障特征,并在熵值计算的过程中,避免了嵌入维数选取的过程,有效提高了熵值计算的自适应性,扩大了其应用范围。