基于改进多尺度高维模糊熵算法的滚动轴承故障诊断方法研究

黄俊 李小霞

湖南铁道职业技术学院，湖南株洲，412001；

摘要：滚动轴承故障特征在强噪声、变工况条件下呈现显著的非线性、多尺度耦合和弱冲击特性，传统多尺度模糊熵方法存在粗粒化信息丢失、模糊隶属函数固定、高维特征冗余等问题，难以满足复杂工况下故障诊断的精度与鲁棒性要求。本研究聚焦改进多尺度高维模糊熵算法的构建路径，提出自适应多尺度粗粒化、高斯—指数混合模糊隶属函数、参数自适应优化及ReliefF—核主成分降维相结合的特征提取框架，并与随机森林分类器融合形成滚动轴承故障诊断模型。基于凯斯西储大学轴承数据集和自建变工况实验台的验证结果表明，所提方法在正常、内圈、外圈和滚动体故障识别中平均准确率达到98.2%，在-4 dB强噪声和变工况条件下仍分别保持91.5%和94.1%的识别性能，优于多尺度熵、多尺度模糊熵和多尺度高维模糊熵等对比方法。消融实验进一步验证了自适应粗粒化与混合模糊函数对性能提升的关键作用。研究可为旋转机械关键部件智能诊断提供一种可解释、强鲁棒的特征提取方法。

关键词：滚动轴承；故障诊断；多尺度高维模糊熵；特征提取；变工况

参考文献

[1]徐湖城,陈豪,仲一鸣,等.物理驱动域信号增强的单源域类别不均衡故障诊断方法[J].振动与冲击,2026,45(20):284-296.

[2]杨丽梅,王仁根,成刘,等.有限样本条件下基于CLAP-HTSAT的轴承故障诊断[J].振动与冲击,2026,45(20):270-283.

[3]戴俊,薛志钢.基于特征重映射模型的变工况轴承故障诊断方法[J].工业控制计算机,2026,39(10):54-56.

[4]许亚宁,杨颖,陈超君,等.基于双通道特征融合的滚动轴承故障诊断模型[J].广西大学学报(自然科学版),2026,51(5):1149-1160.

[5]王永坚,吴莹莹,李劼.基于SE-ResNet34网络零故障样本学习的油润滑艉轴承磨损故障诊断[J].中国航海,2026,49(5):150-159.

[6]刘军,张梦琦.基于改进MFDE和2DCNN的机床主轴轴承故障诊断[J].机床与液压,2026,54(19):101-107.

[7]高永新,张运.基于蛇算法优化的核函数特征模态分解及其在故障诊断中的应用[J].机床与液压,2026,54(19):67-78.