互信息嵌入SSD轴承诊断

强噪声下故障特征可提取

通过差分互信息与波动加权指标实现敏感分量的自动选择，提升了强噪声环境下轴承故障特征的提取能力。

王振亚 · Tao, Liu · 伍星

Reliability Engineering and System Safety 2026

技术优势

敏感分量个数自动确定

通过差分互信息曲线的单调性自动判定保留分量个数，无需人工经验设定。

强噪声下特征提取更稳

波动加权的互信息-峭度指标降低残余分量干扰，提高单分量稳定性，从而在强噪声下仍能提取故障频率。

实机验证有效

在加工中心实测数据上成功提取滚动轴承故障特征，而非仅仿真验证。

应用场景

• 轴承故障诊断：直接从强噪声振动信号中提取轴承故障特征频率，替代人工经验选参。
• 信号处理与故障特征提取：用差分互信息和波动加权指标提升分解与滤波的自动化程度。
• 加工中心状态监测：处理加工中心实测振动信号，输出故障特征用于状态判断。
• 工业设备预测性维护：为预测性维护提供可靠的故障特征输入，减少依赖专家经验。