摘要：针对常规Hurst指数估计法计算赫斯特（Hurst）指数时受拟合长度与直线拟合方式影响较大的问题,提出一种改进标度长度选取方法及进行分段拟合的优化措施。其中标度长度采用2的指数方式选取,而将重标极差序列曲线分为4段,选取其中合适的1段曲线进行直线拟合,所得的直线斜率即是Hurst指数估计值。通过数值仿真验证了该方法比常规Hurst指数估计法具有更好的估计精度。分析了声发射信号的Hurst指数与近似熵作为表征碰摩发生及强度的特征参数的有效性。在转子试验台上采集不同碰摩状态下的声发射信号,将提取的Hurst指数与近似熵以单独和组合的方式分别作为BP神经网络的输入来识别不同的碰摩状态。实验结果表明：Hurst指数与近似熵相结合具有较高的识别准确率,为旋转机械碰摩故障识别提供了一种新的方法。

关键词：声发射 hurst指数 近似熵 转子碰摩 bp神经网络 

单位：东南大学火电机组振动国家工程研究中心 江苏省南京市210096