摘要：针对目前各种机械故障诊断方法的局限性，提出了基于总体平均经验模式分解（EEMD）样本熵和GK模糊聚类的故障特征提取和分类方法，建立了一种机械故障准确识别的有效途径。首先，对机械振动信号进行EEMD分解，得到若干不同时间尺度的固有模态函数（IM F）分量。其次，通过相关性分析和能量相结合的准则对IM F分量进行筛选，并将筛选出的IM F分量的样本熵组成故障特征向量。最后，将构造的特征向量输入到GK模糊聚类分类器中进行聚类识别。实验及工程实例证明了该方法的有效性和优越性。

关键词：样本熵 gk模糊聚类 机械故障识别 

单位：燕山大学河北省测试计量技术及仪器重点实验室; 秦皇岛066004