首先声明!本期内容可谓是卷王之作!
本期推文直接囊括了15种数据分解方法+6种熵特征提取方法+N多种机器学习分类方法。这随便排列组合一下,可能就是一篇水刊论文了(这里仅限水刊哦!)。学会这一篇,直接玩转故障诊断!
这里提示一下刚接触故障诊断的小伙伴,不要一上来就搞太高深的,本篇代码实属精品,都是比较基础的,非常适合入门!
本期的推文可以直接复现很多很多期刊的主体方法(细节之处还得自己加工!),比如以下:
陈爱午,王红卫.基于HBA-ICEEMDAN和HWPE的行星齿轮箱故障诊断[J].机电工程,2023,40(08):1157-1166.
王新颖,林振源,胡磊磊,等.基于VMD排列熵与FASSA-SVM的滚动轴承故障研究[J].工业安全与环保,2023,49(03):63-68.
刘凯,李磊,王磊,等.基于ICEEMDAN及PFA-ELM的齿轮箱故障诊断研究[J].制造技术与机床,2023(05):21-27.
卞东学,张金萍.基于LMD近似熵和改进PSO-ELM的轴承故障诊断[J].机床与液压,2023,51(14):227-232.
申童.变分模态分解在滚动轴承故障诊断中的应用与研究[D].长春工业大学,2021.
高先磊,赵佰亭,贾晓芬.基于OCSSA优化VMD的滚动轴承故障诊断方法[J/OL].重庆工商大学学报(自然科学版),1-8[2024-04-18].
吕品德,齐明思,时彦浩.基于改进VMD和HP的滚动轴承故障诊断方法[J].机械设计与制造工程,2024,53(02):93-99.
许浩飞,潘存治.基于ICEEMDAN-MPE和GWO-SVM的滚动轴承故障诊断方法[J].国防交通工程与技术,2024,22(01):33-37+96.
路晓鹏,陈桂平,蒋超鹉,等.基于VMD排列熵与ELM的滚动轴承故障诊断[J].装备制造技术,2023,(12):24-27+50.
这方面的参考论文实在是太多了!这里就不再一一列举。
那么问题来了!既然这么多人都发过论文了,那我还能发吗?
别忘了,本期推出的可是15种数据分解方法+6种熵特征提取方法+N多种机器学习分类方法,会排列组合的小伙伴,大可以算算一共可以发多少篇!更何况你还可以像以上部分参考文献中一样,添加一些自创的智能优化算法,或者对特征提取方法优化一下,或者对6种熵值再进行组合一下,或者应用到不同的领域等等等等。
本期推文的故障诊断思路如下:
01
采用15种数据分解方法(任选一种),对数据进行分解
得到N个IMF分量,并计算每个IMF分量与原始信号的相关系数;
02
03
取相关系数较大的前M个IMF分量,进行熵(6选1)的计算,以此来构建特征向量
将构建好的特征向量进行打标签,然后送进机器学习分类算法进行故障诊断。
04
本期推文包含的数据分解方法如下:
method1 = 'FEEMD';% 可选方法有:% VMD(变分模态分解)% SVMD(Successive Variational Mode Decomposition)% SSD(奇异谱分解)% RLMD(鲁棒性局部均值分解)% MVMD(多元变分模式分解)% LMD(局域均值分解)% ICEEMDAN(改进的自适应噪声完备EEMD)% FEEMD(快速EEMD分解)% EWT(经验小波分解)% EMD(经验模态分解)% EEMD(集合经验模态分解)% CEEMDAN(完全自适应噪声集合经验模态分解)% CEEMD(互补集合经验模态分解)% SGMD(辛几何模态分解)% SSA奇异谱分析
可以看到,本篇代码汇总了很多常见的和不常见数据分解算法,想改数据分解方法,直接修改这里的“method1”即可!
本期推文包含的熵特征提取方法如下:
%% 特征提取选择的方法% 选中哪个方法,就用哪个方法构造特征向量!method2 = 'SampleEntropy';% 构造特征向量的统一依据为:% 选取相关系数较大的前6个IMF分量,% 然后计算对应熵值,以此构建特征向量% 可选方法有:% 近似熵:'kApproximateEntropy'% 样本熵:'SampleEntropy'% 排列熵:'PermutationEntropy'% 能量熵:'EnergyEntropy'% 信息熵:'InfoEntropy'% 模糊熵:'FuzzyEntropy'
想改熵特征提取方法的,直接修改这里的“method2”即可!
提取完特征后,直接把提取得到的特征向量放入第三步文件夹,一键实现故障分类。本期文章集成了3种常用的机器学习分类算法,你也可以自由选择!
本期文章代码目录截图如下:
可以看到一共有三个步骤,每个步骤里边都有详细的程序运行说明。说明截图如下:
结果展示:
分类结果:
本期代码就结合了三种机器学习分类的算法,想要获得更多的机器学习分类算法,可以参考如下链接:
机器学习分类全家桶,模式识别,看这一篇绝对够了!MATLAB代码
重要提示:本次推文内容虽然已经含了15种故障+6种熵值特征,但可能还是会不满足很多小伙伴的胃口,如:像多尺度模糊熵,各种熵排列组合,各种时域指标体征提取等等,还有像很多新的数据分解算法等等,甚至也可以预见一些小伙伴要求添加优化算法等等~这些内容目前是没有实现的~
小伙伴可以后台留言自己的需求,凡购买者,作者也会尽力满足您提的需求,更新在这个作品中,此作品一经购买,永久回看!
此作品应该会不断迭代,目前不是终版,需要的小伙伴早下手早超生,后期可能会面临涨价!
代码获取
获取链接:复制链接浏览器打开
https://mbd.pub/o/bread/mbd-ZZ6blZhu
或者点击下方阅读原文获取。
或者跳转二维码获取: