改进多尺度样本熵算法及其在压缩机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：多尺度样本熵能够刻画压缩机轴承振动信号在不同尺度下的复杂度特征，但传统算法存在粗粒化过程易丢失局部细节、尺度因子选择依赖经验、样本熵参数固定及噪声鲁棒性不足等问题，影响故障诊断精度。本研究聚焦压缩机轴承故障诊断需求，提出一种改进多尺度样本熵算法，通过滑动均值粗粒化、峭度—能量熵联合自适应尺度选择、粒子群参数优化及多域特征融合，构建“信号预处理—改进多尺度样本熵特征提取—分类识别”的故障诊断流程。基于公开轴承数据和某压缩机制造企业检修振动数据开展实验，结果表明，改进算法在正常、内圈、外圈和滚动体故障四类状态识别中平均准确率达到96.8%，较传统多尺度样本熵方法提高8.7个百分点，在5 dB噪声环境下仍保持91.2%的识别准确率。研究可为压缩机轴承故障特征提取与智能诊断提供一种可行的算法方案。

关键词：多尺度样本熵；压缩机轴承；故障诊断；特征提取；参数优化

参考文献

[1]黎瑜源.660MW汽轮机轴承振动故障多维度原因分析与应用[J].模具制造,2026,26(10):165-167.

[2]余正鑫,董宝力.基于改进原型网络的小样本轴承故障诊断方法[J].轻工机械,2026,44(5):87-96.

[3]白思懿,冉辰昊,刘普.基于VMD和改进TCN的滚动轴承故障识别方法[J].机械管理开发,2026,41(9):142-144.

[4]傅媛,王东.基于SDP与ConvNet的特征级融合滚动轴承故障诊断[J].机械管理开发,2026,41(9):121-123.

[5]邹琦,许兴广,周岩松,等.数字孪生模型在滚动轴承故障诊断中的应用[J].机床与液压,2026,54(18):58-66.