文章：《多尺度熵方法在机械故障诊断中的应用研究进展》
学报：安徽工业大学学报（自然科学版），2024年第1期
作者：郑近德、姚殷柔、潘海洋、童靳于、刘庆运
评荐：何莉（学报常务副主编、编审）
推动传统制造业高端化、智能化、绿色化发展，关乎我国现代化产业体系建设全局。打好智能制造这一关键核心技术攻坚战，是加快发展机械工业新质生产力的重要内容，也是助力实现我国制造强国战略目标的关键步骤。
机械装备在智能制造行业中扮演着举足轻重的角色，如何保障机械装备安全可靠高效运行，是智能制造领域的关键环节。机械设备健康监测与早期故障预警是保障机械装备安全可靠运行的重要手段，随着机器学习技术的快速发展，通过数据驱动方法实现健康监测与故障诊断已成为当前研究热点。基于多尺度熵的非线性故障特征融合智能诊断方法，可对早期故障和部件性能退化信息进行多尺度、深层次、完整性反馈，实现更简单、智能、高效的健康管理。该文系统总结了基于熵的复杂性理论的研究进展，对其在装备健康监测与故障诊断领域的应用及现存问题进行综述，并对未来应用方向进行展望。文中述及理论与方法可为智能装备高端化、绿色化发展提供新的技术支撑。
专栏主持人：刘若涵
电话：010-58884097
邮箱：liurh@stdaily.com
新浪科技公众号
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
