泰安中商网络做的网站怎么进入,引流推广的方法,哪里公司建设网站好,在线网站流量查询强心剂#xff01;EEMD-MPE-KPCA-LSTM、EEMD-MPE-LSTM、EEMD-PE-LSTM故障识别、诊断 目录 强心剂#xff01;EEMD-MPE-KPCA-LSTM、EEMD-MPE-LSTM、EEMD-PE-LSTM故障识别、诊断效果一览基本介绍程序设计参考资料 效果一览 基本介绍
EEMD-MPE-KPCA-LSTM(集合经验模态分解-多尺…强心剂EEMD-MPE-KPCA-LSTM、EEMD-MPE-LSTM、EEMD-PE-LSTM故障识别、诊断 目录 强心剂EEMD-MPE-KPCA-LSTM、EEMD-MPE-LSTM、EEMD-PE-LSTM故障识别、诊断效果一览基本介绍程序设计参考资料 效果一览 基本介绍
EEMD-MPE-KPCA-LSTM(集合经验模态分解-多尺度排列熵-核主元分析-长短期记忆网络)用于故障识别、诊断Matlab完整源码和数据运行环境matlab2023b
1.所用数据集为西安交通大学轴承故障数据集4个故障类别分别为
35HZCage122条样本35HZOuter race123条样本37.5HZOuter race161条样本40HZOuter race114条样本
选取每个故障的水平信号并截取前2000个信号点即共520条样本每条样本长度为2000
更换数据后运行顺序main1EEMD.m、main2KPCA.m、EEMD_MPE_KPCA_LSTM.m
2.程序流程
1对520条样本分别采用EEMD进行分解通过判定所有分解信号样本熵值并重构为高中低3个频段信号
2对高中低信号分解进行多尺度排列熵计算并合成最后得到每条样本的特征向量
3对每条样本特征向量进行kpca降维
4将数据导入至LSTM进行分类/故障识别
3.对照组
eemd-pe-lstm、eemd-mpe-lstm
精度对比有分类散点图、混淆矩阵、精确率、召回率、调和平均数 参考文献 程序设计
完整程序和数据下载私信博主回复Matlab实现EEMD-MPE-KPCA-LSTM、EEMD-MPE-LSTM、EEMD-PE-LSTM故障识别、诊断。
%% 清空环境变量
warning off % 关闭报警信息
close all % 关闭开启的图窗
clear % 清空变量
clc % 清空命令行%% EEMD-PE-lstm
load (eemddata,X1,X2)
load(kpcadata,Y)data X1;%%生成pe数据集
%输入输出数据
inputdata(:,1:end-1); %data的第一列-倒数第二列为特征指标
outputdata(:,end); %data的最后面一列为标签类型Nlength(output); %全部样本数目
testNum0.2*N; %设定测试样本数目
trainNumN-testNum; %计算训练样本数目%训练集、测试集
P_train input(1:trainNum,:);
T_train output(1:trainNum);
P_test input(trainNum1:trainNumtestNum,:);
T_test output(trainNum1:trainNumtestNum);
num_class length(unique(data(:, end))); % 类别数Excel最后一列放类别 t_train categorical(T_train);
t_test categorical(T_test );% 数据归一化
[p_train, ps_input] mapminmax(P_train, 0, 1);
p_test mapminmax(apply, P_test, ps_input );
% 格式转换
for i 1 : trainNumpp_train{i, 1} p_train(:, i);
endfor i 1 : testNumpp_test{i, 1} p_test(:, i);
end% 创建网络
numFeatures size(P_train, 1); % 特征维度
numResponses num_class;layers [ ...sequenceInputLayer(numFeatures) % 输入层lstmLayer(150, OutputMode, last) % lstm层%%调整神经元个数reluLayer % Relu 激活层fullyConnectedLayer(numResponses) % 全连接层数等于分类数softmaxLayer % 损失函数层classificationLayer]; % 分类层% 参数设置
checkpointPath pwd;
options trainingOptions(adam, ... % 优化算法AdamMaxEpochs, 200, ... % 最大训练次数GradientThreshold, 1, ... % 梯度阈值InitialLearnRate, 0.03, ... % 初始学习率LearnRateSchedule, piecewise, ... % 学习率调整LearnRateDropPeriod, 200, ... % 训练700次后开始调整学习率LearnRateDropFactor,0.2, ... % 学习率调整因子ExecutionEnvironment, cpu,... % 训练环境Verbose, 0, ... % 关闭优化过程Plots, training-progress); % 画出曲线
参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/128163536?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128151206?spm1001.2014.3001.5502
