保姆级重磅炸弹！15种数据分解+6种熵特征提取+N种机器学习分类实现故障诊断全流程！...

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：