摘要： 提出一种基于自适应变分模态分解（Variational Mode Decomposition，VMD）与广义回归神经网络（Generalized Regression Neural Network，GRNN）的故障诊断方法，有效解决转子系统振动信号特征提取与复合故障模式识别的问题。首先通过VMD将采集到的原始信号自适应分解为一系列的内涵模态分量（Intrinsic Mode Functions，IMF），然后根据相关系数-峭度准则选取IMF 分量进行信号重构。最后获取重构信号的精细复合多尺度散布熵（Refined Composite Multiscale Dispersion Entropy，RCMDE）、均方根以及重心频率构成特征向量集，输入到GRNN神经网络进行训练和故障模式识别。数值仿真与故障模拟实验结果表明：采用基于自适应VMD与GRNN神经网络的方法可有效识别转子系统中的多故障模式。

关键词: 故障诊断, 转子系统, VMD, 特征融合, GRNN神经网络, 模式识别