小笨蛋0516 发表于 2014-11-12 21:37

chybeyond 发表于 2014-11-12 21:27
我看到过用IMF的统计特征(均值，方差等)进行识别的，做的是时域特征和频域特征融合进行故障诊断

谢谢您，您还知道这篇论文的名字吗，如果不知道我就自己找找

再次感谢

chybeyond 发表于 2014-11-12 22:04

小笨蛋0516 发表于 2014-11-12 21:37
谢谢您，您还知道这篇论文的名字吗，如果不知道我就自己找找

再次感谢

记不太清了

小笨蛋0516 发表于 2014-11-13 09:40

chybeyond 发表于 2014-11-12 22:04
记不太清了

多谢无私帮助！

小笨蛋0516 发表于 2014-11-15 18:24

chybeyond 发表于 2014-11-12 22:04
记不太清了

大神你好，上次通过IMF计算方差均值出现了错误，几次用matlab归纳得到的都不是太理想。
现在只能换一个思路：采用正常信号一个周波内瞬时频率的和来作为阀值诊断，因为电信号正常频率都是50HZ。。
为了抑制端点效应，可以在采用窗口取一个周期。这样可以避免量化。这个思路您看有道理吗

chybeyond 发表于 2014-11-16 19:36

小笨蛋0516 发表于 2014-11-15 18:24
大神你好，上次通过IMF计算方差均值出现了错误，几次用matlab归纳得到的都不是太理想。
现在只能换一个 ...

这个我也不清楚，你可以多看看文献

shuihai707 发表于 2014-12-11 11:32

机器学习中必须搞清样本和属性的关系，一个样本可以有多个属性或者说是特征。对应一个信号可以这样理解，假设正常信号长度为10万，非正常信号长度也是10万，那么可以将正常信号分成100段，每段信号长度就是1000了，这样正常信号就可以有100个样本，同理非正常信号也有100个样本。每个样本要提取一些属性或特征输入到你的学习机中实现训练和后续的分类。
比如，每个样本进行EMD分解，分解完后选择前5个（自己定）imf分量的能量或均值或熵等等（这方面的特征也比较多，可以多试试），作为样本的属性，这样1个样本就有5个属性了，100个样本不就对应100*5的矩阵了，同理非正常也是100*5的矩阵，然后自己划分训练集和测试集实现学习。
页: 1 [2]
查看完整版本: EMD分解 故障的几个疑问。