【自适应稀疏度量方法和RQAM】疏度测量、RQAM特征、AWSPT和基于AWSPT的稀疏度测量研究(Matlab代码实现)

💥💥💞💞欢迎来到本博客❤️❤️💥💥

****🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️**座右铭:**行百里者,半于九十。

📋📋📋++本文目录如下:++🎁🎁🎁

目录

[💥1 概述](#💥1 概述)

[📚2 运行结果](#📚2 运行结果)

[🎉3 参考文献](#🎉3 参考文献)

[🌈4 Matlab代码实现](#🌈4 Matlab代码实现)


💥1 概述

这是一份关于一些经典和新的稀疏度量方法(包括峰度、基尼指数、负熵、Lp/Lq范数、p-q均值、GI2、GI3、广义基尼指数、Box-cox稀疏度量等)。还介绍了自适应稀疏度量方法和RQAM统计特征等更多功能。

这些是稀疏性度量、自适应加权信号预处理技术、自适应稀疏性度量和 RQAM 特征的代码。以基于西安大轴承数据集2-3的图解作为实现示例。

论文[1]是对稀疏性措施的理论研究,并在论文[1]中给出了新的框架RQAM。论文 [2]是一种相关的新方法,它使稀疏性措施能够同时实现明确的早期故障检测和单调退化评估。论文 [3-4] 是使用 RQAM 生成的新的稀疏性度量。我相信通过使用 RQAM 可以轻松生成新的稀疏性度量。

值得指出的是,已经有新的期刊论文发表,其技术路线/基础与作品高度相关[1]和[2]。在这些已发表的论文中开发了一些新的稀疏性度量和RUL预测方法。

1\] 侯斌, 王丹, 夏涛, 王彦, 赵彦, 徐国强, 机器状态监测准算术方法研究, 机械系统信号处理. 151 (2021) 107451. [Redirecting](https://doi.org/10.1016/j.ymssp.2020.107451 "Redirecting") \[2\] 侯斌, 王丹, 王彦, 闫彤, 彭志, K.-L.Tsui,用于机器健康监测的自适应加权信号预处理技术,IEEE Trans. Instrum。测量 70 (2021) 1--11。[Adaptive Weighted Signal Preprocessing Technique for Machine Health Monitoring \| IEEE Journals \& Magazine \| IEEE Xplore](https://doi.org/10.1109/TIM.2020.3033471 "Adaptive Weighted Signal Preprocessing Technique for Machine Health Monitoring | IEEE Journals & Magazine | IEEE Xplore") \[3\] 侯斌, 王丹, 闫彤, 王彦, 彭志, K.-L.Tsui,基尼指数II.和III.:两种新的稀疏性措施及其在机器状态监测中的应用,IEEE/ASME Trans.机电一体化。4435 (2021) 1--1.[Gini Indices II and III: Two new Sparsity Measures and Their Applications to Machine Condition Monitoring \| IEEE Journals \& Magazine \| IEEE Xplore](https://doi.org/10.1109/TMECH.2021.3100532 "Gini Indices II and III: Two new Sparsity Measures and Their Applications to Machine Condition Monitoring | IEEE Journals & Magazine | IEEE Xplore") \[4\] 侯斌, 王丹, 夏彤, L. Xi, Z. Peng, K. Tsui, 广义基尼指数:用于机器状态监测的Box-Cox稀疏性测量的补充稀疏性措施,机械系统信号过程。 169 (2022) 108751. [Redirecting](https://doi.org/10.1016/j.ymssp.2021.108751 "Redirecting") ![](https://file.jishuzhan.net/article/1695648420452110338/9ac50cb2315f4f2aa1542d212a7637c7.png) ![](https://file.jishuzhan.net/article/1695648420452110338/4693452e04b54a478d3fd5acd16d671d.png) ## **📚** **2 运行结果** ![](https://file.jishuzhan.net/article/1695648420452110338/480d7e3bcef74147bb64a95249dfcf84.png) ![](https://file.jishuzhan.net/article/1695648420452110338/77bccbc6caca4a759717d830b85acea8.png) ![](https://file.jishuzhan.net/article/1695648420452110338/dd53ab282b634ba881f72c58feff12ce.png) 部分代码: FeatureVect(:,i) = RQAMfeature(SE,HealthySignal); % % It returns the adaptive % SM feature vector whose length =11 and RQAM feature whose length is % also 12. So, FeatureVect(1:12,i) is adaptive SM feature vector, % FeatureVect(13:end,i) is RQAM feature vector end %% Plot SM features for machine condition monitoring figure, for i = 1:12 subplot(3,4,i), plot(SparMeaVect(i,:)) end %% Adaptive SM features for machine condition monitoring figure, for i = 1:12 subplot(3,4,i), plot(FeatureVect(i,:)) end %% RQAM features for machine condition monitoring figure, for i = 1:11 subplot(3,4,i), plot(FeatureVect(12+i,:)) end ## ****🎉3**** ****参考文献**** > 文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。 \[1\] 侯斌, 王丹, 夏涛, 王彦, 赵彦, 徐国强, 机器状态监测准算术方法研究, 机械系统信号处理. 151 (2021) 107451. [Redirecting](https://doi.org/10.1016/j.ymssp.2020.107451 "Redirecting") \[2\] 侯斌, 王丹, 王彦, 闫彤, 彭志, K.-L.Tsui,用于机器健康监测的自适应加权信号预处理技术,IEEE Trans. Instrum。测量 70 (2021) 1--11。[Adaptive Weighted Signal Preprocessing Technique for Machine Health Monitoring \| IEEE Journals \& Magazine \| IEEE Xplore](https://doi.org/10.1109/TIM.2020.3033471 "Adaptive Weighted Signal Preprocessing Technique for Machine Health Monitoring | IEEE Journals & Magazine | IEEE Xplore") \[3\] 侯斌, 王丹, 闫彤, 王彦, 彭志, K.-L.Tsui,基尼指数II.和III.:两种新的稀疏性措施及其在机器状态监测中的应用,IEEE/ASME Trans.机电一体化。4435 (2021) 1--1.[Gini Indices II and III: Two new Sparsity Measures and Their Applications to Machine Condition Monitoring \| IEEE Journals \& Magazine \| IEEE Xplore](https://doi.org/10.1109/TMECH.2021.3100532 "Gini Indices II and III: Two new Sparsity Measures and Their Applications to Machine Condition Monitoring | IEEE Journals & Magazine | IEEE Xplore") \[4\] 侯斌, 王丹, 夏彤, L. Xi, Z. Peng, K. Tsui, 广义基尼指数:用于机器状态监测的Box-Cox稀疏性测量的补充稀疏性措施,机械系统信号过程。 169 (2022) 108751. [Redirecting](https://doi.org/10.1016/j.ymssp.2021.108751 "Redirecting") ## [🌈](https://mp.weixin.qq.com/mp/appmsgalbum?__biz=Mzk0MDMzNzYwOA==&action=getalbum&album_id=2591810113208958977#wechat_redirect "🌈")****4 Matlab代码实现****

相关推荐
AwhiteV25 分钟前
利用图数据库高效解决 Text2sql 任务中表结构复杂时占用过多大模型上下文的问题
数据库·人工智能·自然语言处理·oracle·大模型·text2sql
Black_Rock_br41 分钟前
AI on Mac, Your Way!全本地化智能代理,隐私与性能兼得
人工智能·macos
☺����1 小时前
实现自己的AI视频监控系统-第一章-视频拉流与解码2
开发语言·人工智能·python·音视频
fsnine2 小时前
机器学习——数据清洗
人工智能·机器学习
猿究院--王升2 小时前
jvm三色标记
java·jvm·算法
一车小面包2 小时前
逻辑回归 从0到1
算法·机器学习·逻辑回归
小猿姐2 小时前
KubeBlocks AI:AI时代的云原生数据库运维探索
数据库·人工智能·云原生·kubeblocks
算法_小学生2 小时前
循环神经网络(RNN, Recurrent Neural Network)
人工智能·rnn·深度学习
吱吱企业安全通讯软件3 小时前
吱吱企业通讯软件保证内部通讯安全,搭建数字安全体系
大数据·网络·人工智能·安全·信息与通信·吱吱办公通讯
盲盒Q3 小时前
《频率之光:共振之战》
人工智能·硬件架构·量子计算