首先声明！本期内容可谓是卷王之作！

之前推出过一篇文章，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！，本期推文在此文章基础上，再新增13种熵，为你的论文助力创新点！

本期推出的程序一共包含15种数据分解算法+19种熵特征提取+3种常用的机器学习算法。

---

本期推文包含的15种数据分解方法如下：

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19种熵特征提取方法如下，部分熵的翻译可能不准确（具体可参考各熵函数的文献，文献在代码中都注释好了）

%% 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'

% 注意熵：'AttentionEntropy'

% 条件熵: 'ConditionalEntropy'

% 气泡熵: 'BubbleEntropy'

% 余弦相似熵：'CosineSimilarityEntropy'

% 色散熵：'DispersionEntropy'

% 分布熵：'DistributionEntropy'

% 多样性熵：'DiversityEntropy'

% 网格化分布熵：'GridEn'

% 增量熵：'IncrementEntropy'

% K2熵：  'Kolmogorov'

% 相位熵：'PhaseEntropy'

% 斜率熵：'SlopeEntropy.'

% 符号动态熵：'SymbolicDynamicEntropy'

想改熵特征提取方法的，直接修改这里的“method2”即可！

---

---

本期推文包含的3种常用的机器学习分类算法，包含：

BP神经网络

SVM支持向量机

ELM极限学习机+PSO优化极限学习机

---

以上随便排列组合一下，就有15*19*3=855种方法，每一篇都可以是一篇水刊论文（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和创作很多很多期刊的主体方法，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+19种熵特征提取方法+3种机器学习分类方法，排列组合一下就是855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19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（19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

---

代码操作步骤

代码的操作步骤十分简单易懂。小白也可以轻松上手！

• 第一步为提取西储大学数据，目的就是将原始的西储大学数据按照不同的故障进行划分，综合到一个数据文件里边方便特征提取；

• 第二步，将第一步获得的数据复制到第二步文件夹，然后直接选择自己想要的数据分解方法和熵特征提取方法，进行特征提取；

• 第三步，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，分别是BP神经网络、SVM、PSO-ELM，如果这三种分类算法不能满足您的需求，可以看一下分类全家桶代码。

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

这里随机组合一下，展示几种案例：

VMD-AttentionEntropy(注意熵)-SVM

FEEMD-SampleEntropy(样本熵)-BP

RLMD-DispersionEntropy(色散熵)-PSO-ELM

MVMD-BubbleEntropy(气泡熵)-SVM

剩下的就不再一一展示了，因为实在是太多了！

本期代码仅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+19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，永久更新回看！

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，后期可能会继续面临涨价！

代码获取

获取链接：复制链接浏览器打开

点击下方卡片关注，获取更多代码