摘要：

针对玻璃生产线退火窑辊道轴承振动信号存在强噪声污染，故障诊断准确率低，效率差等问题，提出了一种基于灰关联熵分析和敏感特征评估的辊道轴承故障智能诊断方法。首先，将原故障信号用经验模态分解为多个IMF分量，采用灰关联熵分析法筛选IMF分量并进行小波阈值降噪，重构故障信号。其次，选择时域和频域特征，定义基于故障特征类间、类内距离的敏感特征评估因子，筛选出敏感特征集。最后，使用RBF神经网络对故障特征集进行识别。滚动轴承故障测试实验结果表明，该方法能够有效提升故障轴承振动信号的信噪比，并评估筛选出敏感特征，从而实现对滚动轴承的智能诊断。

关键词: 故障诊断, 滚动轴承, 灰关联熵分析, 特征评估, RBF神经网络