摘要：

摘 要：复合多尺度熵（CMSE）是在多尺度熵（MSE）基础上提出来的，它改善了MSE存在的熵值不精确、波动较大等，但不能解决样本时间序列太短引起未定义熵问题。精细复合多尺度熵（Refined Composite Multiscale Entropy ，RCMSE）通过改进算法提高了熵估计的准确性，并降低了诱导未定义熵的概率。在此基础上，本文提出基于RCMSE特征向量关系数的轴承故障识别分类方法。该方法首先利用RCMSE对数据样本生成多尺度熵，计算测试样本与已知故障状态的训练样本的RCMSE相关系数，从而判断测试样本的状态类型。对轴承信号数据进行试验表明，该方法能100%准确的对轴承正常，内圈，外圈和滚动体故障信号识别分类。因此，该方法是一种有效的识别故障特征，为实际轴承故障诊断提供参考。

关键词: 振动与波, 精细复合多尺度熵, 故障诊断, 相关系数, 特征提取