【故障诊断保姆级教程】12种排列熵Permutation entropy+7种分类器的故障诊断-Matlab代码

 引言

本期推出12种排列熵（排列熵Permutation entropy-加权排列熵Weighted-Permutation entropy及其多尺度）结合7种机器学习方法进行时序分类。并以时序分类中的机械设备的状态识别/故障诊断为例。

排列熵（Permutation entropy，翻译可能不准确哈，请谅解）于2002年发表在物理学顶级期刊 Physical Review Letters（简称PRL，中科院1区）。

针对排列熵的问题，加权排列熵（Weighted-Permutation entropy，翻译可能不准确哈，请谅解）被提出，于2013年发表在物理学顶级期刊 Physical Review E，简称PRE，和PRL为同一家族。

排列熵首次提出并运用于评估时间序列复杂性。那么排列熵可用于分析一切时间序列中，如：电能质量数据、振动数据、风速、功率、声音、温度、交通、水流、地震波、心率、脑电、肌电、金融等等，您能想到的时间序列皆有可能。

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，可完成不同时间序列的分类。解决时间序列分类问题主要有两步：

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。

12种排列熵。5种多尺度的理论知识在中、英文期刊都有很多，可以参考其他论文，本期不在赘述。

排列熵（Permutation Entropy）多尺度排列熵（Multiscale Permutation Entropy）层次排列熵（Hierarchical Permutation Entropy）复合多尺度排列熵（composite multiscale Permutation entropy）精细复合多尺度排列熵（refined composite multiscale Permutation entropy）时移多尺度排列熵（time-shift multiscale Permutation entropy）加权排列熵（Weighted Permutation Entropy），多尺度加权排列熵（Multiscale Weighted Permutation Entropy），层次加权排列熵（Hierarchical Weighted Permutation Entropy），复合多尺度加权排列熵（composite multiscale Weighted Permutation entropy），精细复合多尺度加权排列熵（refined composite multiscale Weighted Permutation entropy），时移多尺度加权排列熵（time-shift multiscale Weighted Permutation entropy）

7种机器学习方法：

极限学习机（Extreme Learning Machine，ELM）支持向量机（Support Vector Machine, SVM）决策树（Decision Tree，DT）长短时记忆网络 LSTM双向长短时记忆网络 BiLSTM门控循环网络 GRU概率神经网络 PNN

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。对于单个熵而言，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7种常用的分类器（可随意切换，也可自行添加其他分类器）：

多尺度排列熵MPE-决策树DT

结果展示：

不同状态对比

混淆矩阵及分类结果图

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。可以看到各状态的特征类间分离明显，类内高度聚合。分类结果还是挺好的。

层次加权排列熵MWPE-支持向量机SVM

结果展示：

友情提示

1.理论上，该代码可适用于所有时间序列分类数据集，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；

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。

【时序分类-源自一区】12种排列熵Permutation entropy+7种分类器的状态识别/故障诊断-Matlab代码