一种基于多尺度排列熵和CA-ELM模型的故障诊断方法

一种基于多尺寸排列熵和CA‑ELM模型的故障诊断方法，包括：通过变分模态分解与多尺度排列熵相结合的方法，搭建基于注意力机制的卷积极限学习机模型进行特征再提取和分类，利用轴承和齿轮的两个公开数据集进行验证，实现小样本条件下的旋转机械故障识别。本发明设计了一种基于多尺寸排列熵和CA‑ELM模型的故障诊断方法，创新性地提出了变分模态分解与多尺度排列熵相结合的方法，并将其搭建基于注意力机制的卷积极限学习机模型进行特征再提取和分类，实现了更具判别性的初始特征信息获取，进而实现在小样本条件下的旋转机械故障识别更高的诊断精度和泛化性能。