【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")   ## **📚** **2 运行结果**    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****