针对早期轴承微弱信号难以发现、检测精度低等问题,提出一种基于随机共振的轴承早期微弱故障诊断方法。首先利用排列熵对周期信号的敏感特性,提出一种新的信号筛选方法来对信号进行初步滤波筛选;其次采用随机共振算法对故障信号进行噪声辅助增强,以信噪比为目标函数,采用麻雀搜索算法对随机共振系统参数k、a、b、h进行寻优,最后将寻优后的参数送入随机共振系统进行检测。仿真结果表明该方法可以有效检测出强噪声中的未知微弱故障信号。

针对轴承发生故障,振动信号会表现出复杂性的情况,运用多尺度排列熵(Multiscale Permutation Entropy,MPE)方法对振动信号进行分析。首先对嵌入维数、延迟时间以及数据长度对排列熵的影响进行了分析,在此基础上分析尺度因子关于多尺度排列熵的影响,然后对滚动轴承振动信号进行更准确的故障特征提取,并利用极限学习机(Extreme Le arning Machine,ELM)方法对其进行故障分类,与神经网络的分类效果相比较,结果显示,极限学习机与多尺度排列熵相结合,可以很好地实现故障诊断。