特征模态分解Feature Mode Decomposition，FMD的参数优化：15种适应度函数，以HHO/GW算法为例-matlab代码

于 2024-07-30 10:08:43 发布
阅读量279 收藏 12
点赞数 12
分类专栏： 智能优化算法 信号处理 文章标签： matlab 优化算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44028734/article/details/140789568
版权

 引言

本期推出一款小众、最新、性能强大信号分解方法，特征模态分解Feature Mode Decomposition，FMD)，2023年发表在中科院1区top sci期刊IEEE Transactions on Industrial Electronics （简称IEEE TIE），已有100次引用，已经是ESI高被引、热点论文，这口饭赶紧趁热吃呀。

图片

图片

图片

针对机械故障的特征提取，提出了一种新的分解理论——特征模态分解(FMD)。所提出的FMD主要目的是通过设计的自适应有限脉冲响应(FIR)滤波器来分解不同的模式。然而，FMD的性能受到其参数：滤波器尺寸filtersize和分解数 的影响。手动调参是繁琐的、不经济的。可选择群智能优化算法（【关注|收藏】超360种群智能优化算法-Matlab代码免费获取（截至2024.07.15））对其参数进行自适应的选择。

参照其他模态分解方法的参数优化方式，FMD参数优化的创新方式可以有两种：1，改进优化算法用于FMD；2，提出新的适应度函数。第一种很常见，第二种却不多。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数，加上一些常规的适应度函数，目前一共15种用以参数优化的适应度函数。

（如有其他的适应度函数，可以告知我们文章链接进行复现，持续更新）

您仅需要做的工作是：

  1. 导入一维数据。比如振动、声音、脑电、肌电、地震波、电能质量、径流、风速、交通流等一维数据。根据数据的格式，txt，csv，mat，dat，xlsx等，选择对应的导入方式（请灵活使用百度）。

  2. 选择适应度函数。15种适应度函数繁琐、复杂的的编码工作已经帮各位小侠客们集成好了，方便调用和管理，自由切换，只需要输入1-15其中一个整数，就可以选择对应的适应度函数。非常方便，代码改动的工作量只有一个数字的量。

  3. 选择喜爱的优化算法。示例代码中选择了利用灰狼优化算法GWO优化FMD参数。公众号也发布了很多2024年最新的优化算法，它们大多都是以函数的形式编写，调用仅需一行代码。替换GWO即可，非常方便，代码工作量也仅一行。比如使用哈里斯鹰优化算法HHO，下载HHO的代码，放在和GWO同一个文件下，然后在主程序相应位置里按HHO的输入、输出形式调用即可，即插即用。如果你想使用的算法不是函数的形式，请把它修改成函数形式，方便调用。

    图片

  4. 点击运行。你只管点运行，剩下的交给算法。imf分解结果自动保存为mat和excel中，还有丰富的结果图

我们以一段长度为1024的信号数据作为待分解数据，利用灰狼优化算法GWO优化FMD参数。为了快速验证算法，这里GWO的迭代次数为10次，种群个数为20。

图片

基于 包络熵最小 的分解结果

2D，3D分解结果

图片

各imf的幅值谱，频谱结果

图片

希尔伯特谱结果

图片

参考文献

图片

Matlab代码下载

微信搜索并关注-优化算法侠（英文名：Swarm-Opti），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。

信号分解新突破！特征模态分解FMD拿下一区IEEE Trans，参数优化这口饭得趁热吃：15种适应度函数-matlab代码

点击链接跳转：

360种群优化算法免费下载-matlab

https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247487159&idx=1&sn=c157edd2a2642164256baf199835b669&chksm=c12be2b2f65c6ba4f249118777603d4936acb3333694d0ee4ce10c81b7150d357a6eba9fc235&scene=21#wechat_redirect

求解cec测试函数-matlab 

cec2017测试函数使用教程及matlab代码免费下载

cec2018测试函使用教程及matlab代码免费下载

cec2019测试函使用教程及matlab代码免费下载

cec2020测试函使用教程及matlab代码免费下载

cec2021测试函使用教程及matlab代码免费下载

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！

215种群智能优化算法python库

Amazing！Python版215种群智能优化算法icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=1&sn=6b439e55b37b6482b8d3831ca85f1d55&chksm=c12be0c8f65c69de71ad51d3b736b871ff52f8646e90624f95dd32b024dfaad369d654aaf8fc#rd

解决12工程设计优化问题-matlab

略微出手，工程设计问题（12）（附Matlab代码）icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247485052&idx=1&sn=80e5573c1c005ee5640e44935044ee35&chksm=c12bea79f65c636fc73758b4f4893502bd89cbd1c5d15d7db15e8b5c94eeae40450439d44944&token=681266555&lang=zh_CN#rd

求解11种cec测试函数-python

【选择自由，免费下载】215种优化算法求解11种cec测试函数-python代码icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=2&sn=eea8fb04dc507ab9119e2c97c03ca2f6&chksm=c12be0c8f65c69decd6c8109f6b997986bf58725fdbbd7ab03752cb6f61aacdb5a2dc7fec762#rd

解决30种工程设计优化问题-python

【一码解决】215种优化算法求解30个现实世界的工程设计优化问题，让你的论文增色10倍（附Python代码）icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486669&idx=3&sn=ea6d26ae7cb651e5c368f4c73ade228e&chksm=c12be0c8f65c69de739af72d9793838f59ab77bfee36bc2c204f96e2a9e5c6d87dfbbbae698e#rd

仅需一行，可改进所有优化算法：21种混沌映射方法-混沌初始化（附matlab代码）

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）21种混沌映射方法-混沌初始化，适用于所有优化算法icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486215&idx=2&sn=58f1a69175b0d6431a4c7cdfa114b84d&chksm=c12be702f65c6e14e6bd1ddc33b9cec74991d93303c325853049b7e4afd09039b13083fa79c5&token=25423484&lang=zh_CN#rd

【有经典，有最新】24种信号分解方法（附matlab代码） 

沙场大点兵：24种信号分解方法（附matlab代码）icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486001&idx=1&sn=a87c24cb401017a78a90bd1b1439fcb0&chksm=c12be634f65c6f22368b7229a59ac5ef330b89d710c826dbfd1a1c34a02b1dd7e909c7f40d79&token=25423484&lang=zh_CN#rd

 【分类新范式】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icon-default.png?t=N7T8https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486260&idx=1&sn=81b1970cb89364c0289ccdfb403e5388&chksm=c12be731f65c6e273a85456326b503b7f35d9f035405050932ff1926e0b1bfa8076b1bc2d1f2&token=25423484&lang=zh_CN#rd

88号技师
关注
  • 12
    点赞
  • 踩
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
鲸鱼算法优化变分模态分解(VMD)包络熵和参数的特征提取及MATLAB代码实现
ILM_O的博客
09-15 2万+
1 简介 针对从滚动轴承振动信号中所提取的故障信息精度低的问题，利用鲸鱼优化算法对变分模态分解模态个数K和惩罚参数α 寻优，然后根据VMD处理信号得到若干模态分量，筛选后进一步提取能量熵作为特征向量。使用特征提取向量，可进行后续轴承故障诊断等工作。 2 变分模态分解VMD原理 VMD能够自适应匹配每种模态的最佳中心频率和有限带宽，实现固有模态分量（IMF）有效分离， 其核心思想是构建和求解变分问题。 VMD实现步骤为： 由VMD分解步骤可知，分解...
优化算法测试函数MATLAB代码完整版
07-22
在MATLAB环境中，优化算法是解决最优化问题的关键工具，如最小化或最大化目标函数，寻找参数的最佳配置等。这个“优化算法测试函数MATLAB代码完整版”压缩包提供了全面的资源，包括代码、数据以及算法的详细描述，...
信号分解新突破！特征模态分解FMD拿下一区IEEE Trans，参数优化这口饭得趁热吃：15种适应度函数-matlab代码
weixin_44028734的博客
07-25 1109
本期推出一款小众、最新、性能强大信号分解方法，发表在中科院1区top sci期刊IEEE Transactions on Industrial Electronics （简称IEEE TIE），已有100次引用，已经是ESI高被引、热点论文，。针对机械故障的特征提取，提出了一种新的分解理论——特征模态分解(FMD)。所提出的FMD主要目的是通过设计的自适应有限脉冲响应(FIR)滤波器来分解不同的模式。然而，FMD的性能受到其参数：滤波器尺寸filtersize和分解数 的影响。手动调参是繁琐的、不经济的。
麻雀算法SSA，优化VMD，适应度函数为最小包络熵，包含MATLAB源代码
热门推荐
woaipythonmeme的博客
01-29 1万+
麻雀算法优化VMD两个关键参数，实时显示运行结果，包含matlab源代码！
SVMD的参数优化：13种适应度函数，自由切换，以GWO\HHO为例，GWO-SVMD/HHO-SVMD，可用于其他优化算法-matlab代码
weixin_44028734的博客
03-25 1317
。本期推出一款小众、性能强大信号分解方法，，2020年发表在信号处理顶刊signal processing。仅有90+次引用，。不需要知道模态的个数，可以连续提取模态，在一定程度上解决了VMD的模态个数选择问题。然而，SVMD的性能受到其参数maxAlpha的影响。手动调参是繁琐的、不经济的。。。第一种很常见，第二种却不多。本期整理并复现了一些高水平EI、SCI期刊中的适应度函数，加上一些常规的适应度函数，目前一共我们以一段长度为1024的信号数据作为待分解数据，利用优化SVMD参数。
沙场大点兵：24种信号分解方法（附matlab代码）
weixin_44028734的博客
02-26 2472
前期已分享320多种基础优化算法（根据“没有免费的午餐”，。所以很多学者根据自身的专业问题需求，对基础优化算法进行了改进和提升，以期获得更为优秀的性能。同样，在信号处理领域，信号分解方法也有很多种。本文。
VMD变分模态分解matlab实现_粒子群优化vmd, matlabvmdemd变分模态函数
07-01
本文将详细介绍变分模态分解（Variational Mode Decomposition, VMD）这一信号处理技术，并结合MATLAB的实现方法，以及粒子群优化在VMD中的应用。VMD是一种非线性、非平稳信号分析工具，尤其适用于复杂信号的解析与...
GA优化VMD,遗传算法优化VMD 变分模态分解参数，优化参数为分解层数K和惩罚因子alpha，适应度函数为包络熵或样本熵
08-04
遗传算法GA 优化VMD 变分模态分解参数，优化参数为分解层数K和惩罚因子alpha，适应度函数为包络熵或样本熵，MATLAB程序。 以齿轮折断状态为测试组（该组数据为Excel,可将其直接替换为自己的数据）， 根据不同的增加...
粒子群算法(PSO)优化VMD变分模态分解MATLAB程序代码 - 惩罚系数和分解模态数优化代码
03-10
粒子群算法优化VMD变分模态分解matlab代码，PSO优化VMD代码，亲测可用。本人添加注释清楚。可以直接运行出结果图像，使用的EXCEL数据，可以换自己的数据运行。 1.【目标函数】各IMF分量的包络熵局部极小值 2.【优化...
基于时变滤波器的经验模态分解（TVF-EMD）：一种用于经验模态分解的时变滤波器方法-matlab开发
06-01
为了解决间歇性问题，还引入了截止频率重排算法。 为了提高低采样率下的性能，提出了固有模式函数（IMF）的带宽准则。 TVF-EMD 是完全自适应的，适用于线性和非平稳信号的分析。 与EMD相比，所提出的方法能够提高...
MATLAB R2017a 安装与破解 ​编辑
Hello-FPGA
07-29 300
转载自。
MATLAB粒子群算法求解同时取送货考虑充电策略和非线性能量消耗的电动车辆路径规划EVRPSPD问题代码实例高配版
waterstar2010的博客
07-27 369
MATLAB粒子群算法求解同时取送货考虑充电策略和非线性能量消耗的电动车辆路径规划EVRPSPD问题代码实例高配版。MATLAB粒子群算法求解同时取送货考虑充电策略和非线性能量消耗的电动车辆路径规划EVRPSPD问题代码实例高配版。
MATLAB基础：函数与函数控制语句
Zjs15630471263的博客
07-26 1105
今天我们继续学习Matlab中函数相关知识。help 命令是最基本的查询方法，可查询所有目录、指定目录、命令、函数。我们直接点击帮助菜单即可查询所需的API函数。lookfor 关键字用于搜索相关的命令和函数。如，我们输入lookfor input，MATLAB就会显示所有关于input的API函数type M 文件名用于显示文件代码。如果想显示以.m扩展名结尾的就要加通配符 which M 文件名用于显示指定文件的路径。返回一个路径demo 用于演示matlab功能。如图，我们可以获取各种演示代码来解
MATLAB学习日志DAY19
T3ARWIPE的博客
07-25 299
相关内容 字符与文本 要操作包含不同长度的行的文本主体，我们有两种选择，即使用填充的字符数组或使用字符向量元胞数组。创建字符数组时，数组各行的长度必须相同。（使用空格填充较短行的末尾。）char 函数可执行这种填充操作。也可以将文本存储在元胞数组中。
优化极限学习机，实现回归预测，三种算法对比，MATLAB代码免费获取
woaipythonmeme的博客
07-28 193
本期将原始蜣螂算法、减法优化器算法、鲸鱼优化算法进行应用。对极限学习机进行优化实现股票回归预测，三种算法相互对比。股票预测案例股票数据特征有：开盘价，盘中最高价，盘中最低价，收盘价等。预测值为股票价格。股票数据整理代码已写好，想换成自己数据的童鞋不需要理解此代码，替换数据即可。下面直接上标准ELM的预测结果和三种不同算法优化ELM的预测结果。标准ELM预测结果展示：三种优化算法优化ELM结果展示...
BP神经网络及其Python和MATLAB实现预测
qq_45441438的博客
07-25 1000
model.add(tf.keras.layers.Dense(10, activation='relu', input_shape=(20,))) # 隐藏层，10个神经元。4. **创建模型**：使用 `tf.keras.Sequential` 创建一个包含一个隐藏层（10个神经元）和一个输出层（1个神经元）的神经网络。model.add(tf.keras.layers.Dense(1, activation='linear')) # 输出层，1个神经元。请确保已安装神经网络工具箱。
MATLAB学习日志DAY23
最新发布
T3ARWIPE的博客
07-29 293
在这种情况下，randi 的第一个输入描述整数可能值的范围，后面两个输入描述行和列的数量。列向量为 m×1 矩阵，行向量为 1×n 矩阵，标量为 1×1 矩阵。要手动定义矩阵，使用方括号 [ ] 来表示 数组的开始和结束。有关创建和处理矩阵的详细信息，参阅“创建、串联和扩展矩阵”。MATLAB 提供了许多函数，用于创建各种类型的矩阵。在标量（1×1 矩阵）的情况下，括号不是必需的。在括号内，使用分号;
一份简单实用的MATLAB M语言编码风格指南
wanff1204的博客
07-24 764
MATLAB M文件的编码规范对于确保代码的可读性、可维护性和一致性非常重要。
Matlab arrayfun 与 bsxfun——提高编程效率的利器！
qq_39538718的博客
07-24 1086
arrayfun 是 Matlab 中的一个强大函数，它允许用户对数组中的每个元素应用一个指定的函数，并返回一个新的数组，该数组包含了函数对每个元素应用后的结果。这使得对数组进行逐元素操作变得非常灵活和方便，无需编写循环语句。bsxfun是MATLAB中的一个函数，它允许对两个数组进行逐元素操作，同时自动扩展（或广播）较小的数组以匹配较大数组的维度。这使得在不需要显式循环的情况下执行复杂的数组操作成为可能，提高了代码的效率和简洁性。
如何用粒子群算法来优化变分模态分解算法的参数，请举出matlab代码示例
06-01
变分模态分解算法（VMD）可以通过使用粒子群算法（PSO）来调整其参数，以优化其性能。以下是一个使用MATLAB实现的示例代码： 首先，我们需要定义一个适应度函数，用于评估每个粒子的性能。在这个例子中，我们使用VMD算法分解原始信号并计算能量。 ```matlab function fitness = VMD_PSO_fitness(particle, X) % particle: 粒子位置 % X: 原始信号 % fitness: 粒子适应度 alpha = particle(1); % 参数alpha tau = particle(2); % 参数tau K = round(particle(3)); % 参数K % 使用VMD分解原始信号 [u, ~] = VMD(X, alpha, tau, K); % 计算分解信号的能量 E = sum(u.^2); % 适应度函数为能量的倒数（目标是最小化能量） fitness = 1/E; end ``` 接下来，我们需要定义一个PSO优化函数，用于优化VMD算法的参数。 ```matlab function [best_particle, best_fitness] = VMD_PSO(X, max_iter, swarm_size) % X: 原始信号 % max_iter: 最大迭代次数 % swarm_size: 粒子群大小 % best_particle: 最佳粒子位置 % best_fitness: 最佳适应度 % 粒子位置的边界 lb = [0.1, 0.1, 2]; ub = [1, 1, 10]; % 初始化粒子群 particle = repmat(lb, swarm_size, 1) + rand(swarm_size, 3) .* (repmat(ub, swarm_size, 1) - repmat(lb, swarm_size, 1)); velocity = zeros(swarm_size, 3); pbest = particle; pbest_fitness = zeros(swarm_size, 1); % 计算初始适应度 for i = 1:swarm_size pbest_fitness(i) = VMD_PSO_fitness(pbest(i,:), X); end % 找到全局最佳位置 [best_fitness, gbest_index] = min(pbest_fitness); gbest = pbest(gbest_index,:); % 开始迭代 for iter = 1:max_iter % 更新粒子位置和速度 for i = 1:swarm_size % 更新速度 velocity(i,:) = velocity(i,:) + rand(1,3) .* (pbest(i,:) - particle(i,:)) + rand(1,3) .* (gbest - particle(i,:)); % 限制速度范围 velocity(i,:) = min(velocity(i,:), ub - particle(i,:)); velocity(i,:) = max(velocity(i,:), lb - particle(i,:)); % 更新位置 particle(i,:) = particle(i,:) + velocity(i,:); % 限制位置范围 particle(i,:) = min(particle(i,:), ub); particle(i,:) = max(particle(i,:), lb); end % 计算适应度 for i = 1:swarm_size fitness = VMD_PSO_fitness(particle(i,:), X); % 更新个体最佳位置 if fitness > pbest_fitness(i) pbest(i,:) = particle(i,:); pbest_fitness(i) = fitness; end % 更新全局最佳位置 if fitness > best_fitness gbest = particle(i,:); best_fitness = fitness; end end end % 返回最佳粒子位置和最佳适应度 best_particle = gbest; best_fitness = 1/best_fitness; end ``` 最后，我们可以使用以下代码来测试VMD算法的性能： ```matlab % 生成测试信号 N = 500; t = linspace(0,1,N); X = sin(2*pi*5*t) + sin(2*pi*10*t) + sin(2*pi*15*t); % 使用PSO优化VMD算法的参数 max_iter = 50; swarm_size = 20; [best_particle, best_fitness] = VMD_PSO(X, max_iter, swarm_size); % 使用优化后的参数进行VMD分解 alpha = best_particle(1); tau = best_particle(2); K = round(best_particle(3)); [u, ~] = VMD(X, alpha, tau, K); % 绘制分解后的信号 figure; subplot(2,1,1); plot(t,X); title('Original Signal'); subplot(2,1,2); plot(t,u); title('VMD Decomposition'); ``` 这段代码将生成一个包含三个正弦波的测试信号，并使用PSO算法找到最佳的VMD参数进行分解。最后，它将绘制原始信号和分解后的信号。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值