关键词：齿轮箱;离心泵;故障诊断;改进多尺度改进基本熵;等距特征映射;随机森林;改进的粗粒化处理
摘 要：针对基本熵的区域划分标准不理想，导致无法有效测量振动信号的复杂度，使故障诊断的准确率不佳这一问题，提出了一种基于改进多尺度改进基本熵(IMIBSE)、等距特征映射(ISOMAP)和随机森林(RF)的旋转机械故障诊断方法。首先，采用基于方差的区域划分准则对基本熵进行了改进，结合改进的粗粒化处理，提出了IMIBSE,并将其用于提取故障特征；随后，利用ISOMAP对原始故障特征进行了特征降维，选择了对分类贡献最大的一组特征作为故障敏感特征；最后，基于RF建立了多故障分类器，将故障敏感特征输入至RF模型进行了训练和测试，实现了旋转机械的故障识别，利用齿轮箱和离心泵两种故障数据集将IMIBSE方法与复合多尺度基本熵、多尺度改进基本熵、多尺度基本熵进行了比较和分析。研究结果表明：IMIBSE不仅具有最佳的可视化效果，而且取得的识别准确率最高，二者均达到了100%,而二者的平均分类准确率分别为100%和99.8%;相较于其他故障诊断方法，IMIBSE方法的准确率更高，而且适用于小样本的故障识别问题。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取