【摘要】旋转机械滚动轴承早期振动信号往往表现出非平稳性且易受强噪声干扰，导致轴承早期微弱故障特征难以提取及故障类别难以辨识，因而提出了一种基于局域均值分解-多尺度熵(local mean decomposition-multi-scale entropy,LMD-MSE)和支持向量机(SVM)算法相结合的故障诊断方法。首先，本研究对滚动轴承的振动信号进行小波包降噪处理并对降噪处理的原始信号进行局部均值分解，得到若干个PF分量；然后，计算PF分量的多尺度熵，依据熵值选取有效故障信息的PF分量；最后，将有效PF分量的多尺度熵值作为故障特征指标输入支持向量机实现滚动轴承的故障辨识。利用美国凯斯西储大学滚动轴承故障信号验证所提方法，结果表明，本研究提出的方法可以准确地辨识出滚动轴承故障类别。