Page 120 - 2022年第53卷第9期

图 ５ 不同状态信号多元多尺度熵分布情况

图 ６ 不同多元多尺度熵可视化结果

图 ７给出了 ＲＣＭＭＳＤＥ － ＳＣＮ等模型的具体诊断结果，从图中可以看出 ＲＣＭＭＳＤＥ － ＳＣＮ模型取得
了 ９７％的诊断 率，其中 有 １个 “ＣＡ” 故 障被误判为 “ＯＲ” 故障，１个 “ＯＲ－ ＵＢ” 故 障 被 误 判 为
“ＵＢ” 故障，１个 “ＯＲ” 故 障 被 误 判 为 “ＣＡ” 故 障，这 与 图 ４降 维 后 结 果 分 析 基 本 一 致。同 时，
ＭＭＳＤＥ － ＳＣＮ取得 ９２％的诊断率，其无法有效区分 “ＣＡ － ＵＢ” 和 “ＯＲ － ＵＢ”、“ＣＡ” 和 “ＯＲ” 等故
障，而 ＲＣＭＭＳＥ － ＳＣＮ和 ＭＭＳＥ － ＳＣＮ仅取得了 ８２％和 ７３％的诊断率，远低于 ＲＣＭＭＳＤＥ － ＳＣＮ模型。
为进一 步 验 证 所 提 方 法 的 合 理 性 和 优 越 性， 本 文 引 入 精 细 复 合 多 元 多 尺 度 散 布 熵 （ Ｒｅｆｉｎｅｄ
ｃｏｍｐｏｓｉｔｅｍｕｌｔｉｖａｒｉａｔｅｍｕｌｔｉｓｃａｌｅｄｉｓｐｅｒｓｉｏｎｅｎｔｒｏｐｙ ，ＲＣＭＭＤＥ） ［３１］ 、多元多尺度散布熵（Ｍｕｌｔｉｖａｒｉａｔｅｍｕｌ

１
— １ ３ ３ —