基于复合多尺度注意熵和优化SVM的滚动轴承故障诊断方法、设备及介质

本发明涉及一种基于复合多尺度注意熵和优化SVM的滚动轴承故障诊断方法、设备及介质，采集滚动轴承在不同状态下的振动信号，并根据振动信号得到各状态下的损伤尺寸等级，得到故障数据集；对振动信号进行粗粒化处理，得到粗粒序列，采用通过分数阶算法改进的复合多尺度注意熵算法，计算不同尺度因子下的粗粒序列的熵序列；选取熵序列中前若干个尺度因子的熵值作为轴承故障特征向量；利用协同群优化算法对支持向量机的超参数进行寻优；基于所述最优超参数构建支持向量机分类模型，并对测试样本进行故障预测和判断。与现有技术相比，本发明具有噪声鲁棒性强、全局收敛性强和适应性强等优点。