摘要:为了自动辨识不同尺度下的轴承故障，建立了一种基于多小波包系数样本熵和BP神经网络的模式判别方法。针对5种尺度下的轴承外圈故障信号，分别采用GHM多小波包完成三层分解。为了充分利用多小波包的分析优势，将分解后的16个频段信号分别求系数样本熵，并将其作为神经网络的输入向量。通过三层BP神经网络的训练、学习，并与dB10小波包神经网络做了对比研究。结果表明，多小波包样本熵可以区别不同损伤程度的故障信号，且多小波包样本熵与神经网络结合，其辨识精度更高，分类效果明显优于传统单小波，便于轴承损伤程度的自动识别。
