一种基于精细时移多尺度注意熵的故障诊断方法

本发明属于滚动轴承故障诊断技术领域，具体涉及一种基于精细时移多尺度注意熵的故障诊断方法，步骤包括：采用精细时移滑窗的方法对原始数据进行粗粒度分割、计算各尺度下粗粒化时间序列的注意熵值、融合多尺度特征向量作为提取的故障特征，构建特征向量集并输入分类器中进行故障诊断。本方法不仅有效解决了传统多尺度熵方法在高尺度下熵值不稳定的问题，还在特征提取过程中避免了对超参数的依赖。实验结果显示本发明故障诊断方法在轴承数据集上的平均分类准确率超过99%，显著提高了滚动轴承故障诊断与识别能力。