引言
本期介绍一种用于故障诊断的新颖方法-对称点模式( symmetrized dot pattern,SDP)。SDP直观的将一维序列(温度,振动、电流等)转换成二维镜像雪花图,通过图形中的差异可直观地反应不同的状态序列。基于SDP和深度学习网络的故障诊断方法,频繁登上1区SCI-IEEE trans系列。关于SDP的理论部分,可以在以下文献中找到,本期不在赘述。
-
F. Huang et al., "Demagnetization Fault Diagnosis of Permanent Magnet Synchronous Motors Using Magnetic Leakage Signals," in IEEE Transactions on Industrial Informatics, vol. 19, no. 4, pp. 6105-6116, April 2023. (中科院1区)
-
H. Lu, X. Zhao, B. Tao and Z. Yin, "Online Process Monitoring Based on Vibration-Surface Quality Map for Robotic Grinding," in IEEE/ASME Transactions on Mechatronics, vol. 25, no. 6, pp. 2882-2892, Dec. 2020(中科院1区)
-
Y. Tang et al., "Graph Cardinality Preserved Attention Network for Fault Diagnosis of Induction Motor Under Varying Speed and Load Condition," in IEEE Transactions on Industrial Informatics, vol. 18, no. 6, pp. 3702-3712, June 2022(中科院1区)
-
Z. Long et al., "Motor Fault Diagnosis Based on Scale Invariant Image Features," in IEEE Transactions on Industrial Informatics, vol. 18, no. 3, pp. 1605-1617, March 2022(中科院1区)
此外,本期着重分享基于SDP的多维/多通道/多元序列的数据融合方法。首先,需要知道什么是多维/多通道/多元序列的数据?很简单,不是一行,也不是一列的数据。
什么样的情景有这些”多“的数据呢?
1.用多轴传感器采集设备的振动信号,比如三轴传感器有x,y,z轴三个通道的数据,这样就形成了多通道数据。
2.传感器布置在不同位置,各位置采集的信号形成的多维数据。比如凯斯西储大学轴承故障数据,在DE端,FE端,BA端分别采集到的信号。
因此,可以将这些信号进行融合,获得更多状态信息,提高诊断性能。
![图片](https://img-blog.csdnimg.cn/img_convert/8b7f60fe752addc44affbbbda1eeab2f.jpeg)
如果数据不是多维的,能不能使用SDP的融合方法呢?当然可以,我们知道这个方法使用于多维数据。数据不是多维的,那就创造成多维的啦。
怎么创造呢?开动脑筋,前期已分享过24种信号分解方法(点我),这些方法天然地将单维数据分解成多个分量。多个分量?!这不就是多维数据了嘛。
![图片](https://img-blog.csdnimg.cn/img_convert/a587ce976f1cfd757505a9216bc6d371.png)
02. 使用展示
以凯斯西储大学的轴承故障数据为例。
1.多维数据
首先,导入106这个数据:load 106.mat 。加载后有三组数据:分别是BA、DE、FE端采集的单变量数据。那么,将这三组单变量暂且组成一个多维数据:
data = [X106_BA_time,X106_DE_time,X106_FE_time];
![图片](https://img-blog.csdnimg.cn/img_convert/bfbd6c46cf38c5252b8d12288cea9be6.png)
随后,可以看到原始数据有121991个点,以1024个点切割原始数据,形成样本,循环生成SDP融合图像。
![图片](https://img-blog.csdnimg.cn/img_convert/437e1ddd2c65f51ec7d4aca017eab015.png)
SDP图像从水平0开始,逆时针依次是传感器1,传感器2,。。,传感器n
2.单维数据,经过分解
首先,导入106这个数据:load 106.mat 。加载后有三组数据:分别是BA、DE、FE端采集的单变量数据。那么,选择X106_BA_time这单变量作为示例数据:data = X106_BA_time;
随后,可以看到原始数据有121991个点,以1024个点切割原始数据,形成样本
最后,利用emd完成分解(可替换其他分解算法),循环生成SDP融合图像。
![图片](https://img-blog.csdnimg.cn/img_convert/f9355fbd3df23c8c0e48792ed53d1612.png)
SDP图像从水平0开始,逆时针依次是imf1,imf2,。。,imfn
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。
(独创首发matlab版)对称点模式(Symmetrized Dot Pattern)的多元、多通道、多传感器信号融合
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
https://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)
https://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
https://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)
https://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
https://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)
https://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
https://mp.weixin.qq.com/s?__biz=MzkxMDQ5MDk4Ng==&mid=2247486260&idx=1&sn=81b1970cb89364c0289ccdfb403e5388&chksm=c12be731f65c6e273a85456326b503b7f35d9f035405050932ff1926e0b1bfa8076b1bc2d1f2&token=25423484&lang=zh_CN#rd
![](https://img-blog.csdnimg.cn/b147e988e16e43dfbf554a6991b3ab69.png)