1.五邑大学轨道交通学院 江门,529020;2.西南交通大学牵引动力国家重点实验室 成都,610031;3.成都工业职业技术学院智能制造与汽车学院 成都,610218
李鹏，男，1985年9月生，讲师。主要研究方向为机器视觉及列车关键部件损伤识别。E-mail： wyi0714lp@163.com。
U270.7
国家自然科学基金资助项目（51775456）；四川省自然科学基金面上资助项目（2022NSFSC0400）
针对轴箱轴承早期损伤的检测问题，提出一种基于改进多尺度离散熵算法（improved multiscale dispersion entropy， 简称IMDE）和支持向量机的诊断模型，通过提取振动信号中的关键信息有效识别轴承的健康状态。首先，考虑传统多尺度离散熵（multiscale dispersion entropy，简称 MDE）因数据点重合和粗粒化尺度不断增大而引起的熵值误差增加、分布混乱及波动明显等缺陷，通过对粗粒化过程和离散熵的优化改进算法； 其次，结合实际算例，针对高速列车轴箱轴承在不同运行状态下的振动数据进行试验验证。结果表明，相较于MDE，IMDE计算熵值的误差更小，鲁棒性更好，且支持向量机分类结果显示IMDE取得了更高的诊断精度。