摘要:为准确辨识滚动轴承故障类型,提出了一种基于量子粒子群优化多尺度排列熵(quantum?behaved particle swarm optimization and multi?scale permutation entropy, 简称QPSO?MPE)的滚动轴承故障识别方法。首先,对滚动轴承的原始振动信号进行集成经验模态分解(ensemble empirical mode decomposition,简称EEMD),得到一系列内禀模态分量(intrinsic mode function,简称IMF)和一个趋势项,并以峭度作为度量指标筛选出含有主要故障特征信息的IMF来重构振动信号;然后,利用量子粒子群优化算法对多尺度排列熵的关键参数进行优化,得到其模型计算重构信号的多尺度排列熵,从而构建轴承故障的多尺度排列熵特征集;最后,将故障特征集输入GG(Gath?Geva)模糊聚类算法进行聚类识别。实验结果表明,基于QPSO?MPE的滚动轴承故障识别方法可实现滚动轴承典型故障的准确辨识,证明了QPSO?MPE在故障特征提取方面的有效性。