資源簡介
這是一個樣本的實驗,現將振動信號進行LMD分解,得到分解后的PF分量,在求分量的相關系數啦篩選分量,在求每一個PF分量的樣本熵特征,構造一個特征向量,你指的擁有,有幫助的話,希望你好評,謝謝,有問題加我主頁qq。

代碼片段和文件信息
%*****************************************************************
%程?序?名:LMD-相關系數-信息熵--分類(單個)
%設?計?者:一頭努力奮斗的豬
%*****************************************************************
clc
clear?all
fs=2560;%采樣頻率
Ts=1/fs;%采樣周期
L=3072;%采樣點數
t=(0:L-1)*Ts;%時間序列
STA=1;?%采樣起始位置
%---------------------導入實驗分析數據--------------------------------------
A=xlsread(‘20151124_08_15Bin粗卡閥.xlsx‘);
a1=A(1:30721);
x=a1‘;
%----------------------lmdf分解-------------------
[PF]=lmd(x)
figure(1);
imfn=PF;
n=size(imfn1);?%size(X1)返回矩陣X的行數;size(X2)返回矩陣X的列數;N=size(X2),就是把矩陣X的列數賦值給N
subplot(n+111);??%?m代表行,n代表列,p代表的這個圖形畫在第幾行、第幾列。例如subplot(22[12])
plot(tx);?%故障信號
ylabel(‘原始信號‘‘fontsize‘12‘fontname‘‘宋體‘);
for?n1=1:n
????subplot(n+11n1+1);
????plot(tPF(n1:));%輸出IMF分量,a(:n)則表示矩陣a的第n列元素,u(n1:)表示矩陣u的n1行元素
????ylabel([‘PF‘?int2str(n1)]);%int2str(i)是將數值i四舍五入后轉變成字符,y軸命名
end
?xlabel(‘時間\itt/s‘‘fontsize‘12‘fontname‘‘宋體‘);
?
?%求各PF分量與原始信號的相關系數,并篩選分量
xiangguanxishu=zeros(1n);
for?i=1:n
????a=imfn(i:);
????b=corrcoef(ax‘);
????xiangguanxishu(1i)=b(12);
end
%提取每一個PF分量的信息熵特征
xingxishang=zeros(1n);
for?i=1:n
????a=imfn(i:);
????x1=mapminmax(a01);?%將數據歸一化處理
????%求數據的概率分布
???for?m=1:3072
???????x=x1(m)/sum(x1);
???end
???shannon=-sum(x.*log2(x));%計算信息熵
???xingxishang(1i)=shannon;
end
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-01-14?13:43??LMD-信息熵\
?????文件???????59820??2018-12-27?22:47??LMD-信息熵\20151124_08_15Bin粗卡閥.xlsx
?????文件????????1573??2019-01-14?13:43??LMD-信息熵\faming.m
?????文件????????2486??2018-09-22?15:21??LMD-信息熵\lmd.m
評論
共有 條評論