引言
机械设备在运行中的故障率较高，使得状态识别、故障诊断得到广泛重视。目前，常见的故障诊断方法主要包括振动信号分析，声学信号分析，温度监测，电信号分析等。传统时、频域的特征提取方法往往不能有效提取隐藏的故障特征，导致故障识别率降低。由于在不同位置发生故障时，故障冲击引起的系统响应不同，从而使得监测数据的混乱程度有所不同。基于熵值理论的分析方法可以不经过数据的分解或变换，直接度量数据的复杂度，可完成不同故障的识别。状态识别、故障诊断本质是一个分类问题，解决这类问题主要有两步：1.利用熵的方法从信号中提取信息，即信号的熵值为故障特征；2.基于提取的熵值，利用机器学习方法作为分类器进行识别。
本期推出散布熵（又称色散熵）及其5种多尺度熵共6种熵结合多种机器学习方法进行状态识别、故障诊断。
散布熵（Dispersion Entropy）多尺度散布熵（Multiscale Dispersion Entropy）复合多尺度散布熵（Composite Multiscale Dispersion Entropy）精细复合多尺度散布熵（Refined Composite Multiscale Dispersion Entropy）时移多尺度散布熵（Time-shift Multiscale Dispersion Entropy）层次散布熵（Hierarchical Multiscale Dispersion Entropy）
基于散布熵及5种多尺度的理论知识中、英文期刊都有很多，本期不在赘述。
参考文献：
-
散布熵：M. Rostaghi and H. Azami, “Dispersion Entropy: A Measure for Time-Series Analysis,” IEEE Signal Process. Lett., vol. 23, no. 5, pp. 610–614, May 2016, doi: 10.1109/LSP.2016.2542881.
-
多尺度散布熵：Lebreton, C.; Kbidi, F.; Graillet, A.; Jegado, T.; Alicalapa, F.; Benne, M.; Damour, C. PV System Failures Diagnosis Based on Multiscale Dispersion Entropy. Entropy，2022, 24, 1311.
-
复合多尺度散布熵：郑近德,李从志,潘海洋.复合多尺度散布熵在滚动轴承故障诊断中的应用[J].噪声与振动控制,2018,38(S2):653-656.
-
精细复合多尺度散布熵：李从志,郑近德,潘海洋,等.基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断方法[J].中国机械工程,2019,30(14):1713-1719+1726.
-
时移多尺度散布熵：王勉,刘勇.基于时移多尺度散布熵和SVM的滚动轴承故障诊断方法[J].机械设计与研究,2021,37(05):83-87.
-
层次散布熵：吴芮,张守京.基于层次散布熵的滚动轴承剩余寿命预测方法[J].电子测量技术,2023,46(05):65-71.
02. 实操
数据集
本文使用故障识别和诊断任务中经典的凯斯西储大学CWRU数据集。随机选择了5类状态（当然可以加入更多的状态），选用DE端的振动数据，暂且命名为正常，故障1，故障2，故障3，故障4。设置每个样本长度为1024，每类状态共100个样本，总样本大小为：500*1024。即样本数*样本长度。
样本分割设置了重叠个数，可以随意选择重叠个数进行样本划分。非重叠即为重叠个数为0的情况，具体的原理如下：
非重叠：
重叠：
特征提取
计算每个样本的熵值（以上6种熵可随意切换），形成500*n的特征空间，将特征输入到后续的分类器中。对于散布熵而言，n=1，对于多尺度熵而言，n=你设置的时间尺度。
分类器
将上述特征空间以一定的比例，划分了训练集、测试集，可非常方便地输入到任何分类器中。
暂时集成了3种常用的分类器（可随意切换，也可自行添加其他分类器）：
-
极限学习机（Extreme Learning Machine，ELM）
-
支持向量机（Support Vector Machine, SVM）
-
决策树（Decision Tree，DT）
为了消除随机性带来的影响，使结果更具说服力，模型运行了多次，每次运行都随机选择新的训练集和测试集，以平均结果作为最后的结果。
诊断流程
故障识别、诊断流程图大致如下：
HDE-ELM结果展示：
不同状态对比
混淆矩阵
分类结果图
特征值 和 多次运行结果保存在mat中。可以方便使用matlab，python调用和查看这里考虑快速验证代码和算法，仅运行了2次，可根据实际需要修改。
友情提示
1.理论上，该代码可适用于所有分类数据集，仅需将数据格式转换成：样本数N x 特征个数M。因此，可以浅显的理解：多分类问题实质是一个数据格式转换过程；
2.理论上，该代码可替换的部分只有：数据加载和参数设置。好处是：代码修改量极少，复用率高；
3.如有matlab基础语法和代码bug问题，请多看资料，百度或者GPT解决；
4.如有其他专业疑问，请多阅读相关文献。
Matlab代码下载
微信搜索并关注-优化算法侠，或扫描下方二维码关注，以算法名字搜索历史文章即可下载。
基于散布熵（色散熵）及其5种多尺度熵的状态识别、故障诊断（附Matlab代码）
点击链接跳转：
cec2022测试函使用教程及matlab代码免费下载
绘制cec2017/018/2019/2020/2021/2022函数的三维图像教程，SO EASY！
175种群智能优化算法python库
求解cec测试函数-matlab
解决12工程设计优化问题-matlab
求解11种cec测试函数-python
解决12种工程设计优化问题-python
用于改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）
沙场大点兵：24种信号分解方法（附matlab代码）
沙场大点兵：27种一维数据转换成二维图像的方法-matlab代码沙场大点兵：27种一维数据转换成二维图像的方法-matlab代码
https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486260&idx=1&sn=81b1970cb89364c0289ccdfb403e5388&chksm=c12be731f65c6e273a85456326b503b7f35d9f035405050932ff1926e0b1bfa8076b1bc2d1f2&token=25423484&lang=zh_CN#rd
扫一扫
1263
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
