针对滚动轴承振动信号的非平稳、非线性特性，将一种新的衡量时间序列复杂性和不规则程度指标——散布熵（dispersion entropy，DE）引入到滚动轴承非线性故障特征提取，提出了一种基于经验模态分解与DE相结合的自适应多尺度散布熵滚动轴承故障诊断方法。首先，采用经验模态分解对振动信号进行分解，得到若干不同尺度的本征模态函数；其次，计算每个本征模态函数的DE值；再次，将得到的DE值作为特征向量输入到基于支持向量机建立的多故障分类器进行训练和识别。最后，将提出的滚动轴承故障诊断方法应用于试验数据分析，结果表明，论文提出的方法能准确地识别滚动轴承故障类型。
