变量操作条件下断层识别是非常重要的任务和挑战设备健康管理。然而,在处理这类问题时,传统的故障诊断方法的基础上,假设分布一致的培训和测试集不再适用。摘要小说状态识别方法集成的时频分解,multi-information熵、联合分布适应提出了滚动体轴承。首先,快速集成经验模态分解来将振动信号分解成一组固有模式函数,针对获得原始信号的多尺度描述。然后,混合熵的特性,可以描述时间序列的动态和复杂性在当地的空间,全球空间和频域提取各固有模态函数。至于训练和测试设置不同负载条件下,所有的数据被映射到繁殖空间联合分布适应减少数据集之间的分布差异,pseudolabels的测试集和最终的诊断结果<我talic> k最近邻居算法。最后,5例训练和测试设置可变负荷条件下被用来展示该方法的性能,与其他诊断模型和比较结合相同的特性和其他降维方法进行了讨论。分析结果表明,该方法能有效地识别滚动体轴承的multifaults可变负荷条件下与较高的精度和良好的实用性。