5、结论
由于滚动轴承发生故障时产生非线性震动信号，所以使用非线性动力学方法进行分析，提取不同条件下的特征量，最后使用神经网络的分类和预测能力，试验结果证明这种方法是有效的，特别是当故障类型更复杂输入变量更多时，这种方法更能显示出其优越性。
参考文献：
[1] 杨福生，廖旺才. 近似熵：一种适合短数据的复杂度量. 中国医疗器械杂志，1997，21（5）：283-286。
[2] Xinnian Chen,Irence C.Solomon Comparison of the use of Approximate Entropy and Sample Entropy: Application to Neural Respiratory Signal IEEE Engineering in Medicine and Biology 27th Annual Conference Shanghai china,Septenmber 1-4 2005. 4212-4215。
[3] 王国峰，周亦武，郭金光. 轴承剥落的早期故障诊断方法 大连海事大学学报 2002年8月，101-104
[4] 赵建刚 人工神经网络在水文实时校正中应用的探索 四川大学 20020920
[5] 邹明虎 基于模糊神经网络的雷达印制板故障智能诊断系统研究 微计算机信息 2004 No.12
[6] 谷云辉 基于自动测控系统的故障诊断方法研究 微计算机信息 2005 No.19
