房源网站建设,开封建设教育协会网站,公司装修开工仪式吉利话,创意网站 模板 声明#xff1a;文章是从本人公众号中复制而来#xff0c;因此#xff0c;想最新最快了解各类智能优化算法及其改进的朋友#xff0c;可关注我的公众号#xff1a;强盛机器学习#xff0c;不定期会有很多免费代码分享~ 今天为大家介绍一个小众而又新颖的信号分… 声明文章是从本人公众号中复制而来因此想最新最快了解各类智能优化算法及其改进的朋友可关注我的公众号强盛机器学习不定期会有很多免费代码分享~ 今天为大家介绍一个小众而又新颖的信号分解方法这个方法也是2023年刚提出来的一个新算法最初是用作故障诊断当中。目前知网和WOS用的都还很少只有寥寥数篇非常适合作为创新点也能让审稿人眼前一亮。 这个算法发表在SCI一区期刊《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》上这个SCI期刊想必大家心里也都有数IEEE系列信号处理领域的一区顶刊想发一篇这个难度还是非常大的。 传统的EMD分解方法最为人所熟知但存在模态混叠、理论依据不足等缺点而理论基础扎实的VMD算法并未考虑信号的脉冲特性和冲击特性。另外这些分解算法已经快被彻底用烂了尤其是光伏功率预测、风电功率预测或者是故障诊断等方面更是重灾区。 因此为有效提升信号处理方法的性能提高特征提取的准确性我们本期要介绍的是MiaoYH等作者在2023年提出了一种全新非平稳信号处理方法——特征模态分解(FMD)。 简单来说这个方法以解卷积的相关峭度为目标函数通过建立自适应有限脉冲响应滤波器组并结合相关函数以实现故障周期的判别最终将信号分解为多个模态分量和的形式。 不同于其他信号分解方法FMD充分考虑了信号的周期与冲击特性在保证对信号故障特征敏感的同时对干扰和噪声成分具有一定的鲁棒性。 这边以某一原始信号为例该信号无实际含义展示一下运行结果。 首先输入一列Excel信号当然你有mat文件更好直接load xx.mat即可在Matlab中读取文件。这边为了方便新手小白以Excel文件为例在替换数据时直接替换一列Excel数据即可。 首先看一下原始信号图 设置滤波器个数为30分解个数为5最大迭代次数为20得到的分解图和频谱图如下所示。 同时计算均方根误差、信噪比与各分量相关系数结果显示在命令行窗口中。可以看到这段信号的均方根误差为138.4361信噪比为-0.8315。 总体来看结合论文里的说法这个算法具有以下几个优点 (1)同时考虑信号的冲动性和周期性FMD分解目标对机械故障具有针对性对其他干扰和噪声具有鲁棒性。 (2)采用自适应FIR滤波器提取分解模式。不受滤波器形状、带宽、中心频率的限制分解更加彻底。 (3)在不以故障周期为先验知识的情况下FMD可以准确分解机械故障信息特别是在不同频带占主导地位的复杂故障。 如果大家对这个算法有兴趣想要拿去写论文也都是完全没有问题的。为了方便大家写作这边也给出算法的详细计算过程 (1)初始化迭代参数及FIR滤波器组加窗数K令i1、K5~10输入主要分解参数(模态个数n滤波器长度L) (2)根据uikx*fik获得分解后模态分量其中k1,2,…,K*为卷积计算。 (3)滤波系数根据原始信号x(t)、分解所得模态分量uik以和预估信号故障周期Tik(Tik为uik自相关谱经过零点后所到达局部最大值Rik所对应的时刻)进行更新令 ii1。 (4)判定当前迭代过程是否达到最大迭代次数如果达到则返回步骤(3)否则继续执行步骤(5)。 (5)计算两相邻模态分量间相关系数建立一KxK的相关矩阵CCk*k并同预估信号故障周期Z计算两者的相关峭度选取相关峭度较大的模态分量为分解所得分量令KK-1。 (6)判定当前模态数量是否达到设置的数量n如果达到则分解停止输出结果如果没达到则返回步骤2继续上述操作。 以上所有图片一键运行main即可全部出图非常清晰。文件夹里也会输出各结果的Excel并附带原始参考文献适合新手小白。 想要以上Matlab代码的只需点击下方小卡片再后台回复关键词不区分大小写
FMD
