臧怀刚,李玉奎,刘子豪
(燕山大学 电气工程学院 工业计算机控制工程河北省重点实验室,河北 秦皇岛 066004)
对于不同的机械振动信号[1-4],由于信号的时间复杂度不同,其熵值也不同,因此可以根据熵值区分不同的信号类型。当机械设备发生故障时,不同尺度下信号的熵值也会发生较大的变化,通过熵值计算可以区分不同的机械故障。
近似熵(Approximate Entropy)是一种度量时间序列复杂性的方法[5],具有抗干扰能力强、所需数据短等优点,但却只能衡量时间序列在单尺度上的复杂性,而多尺度熵(multi-scale entropy,MSE)可以衡量时间序列在不同尺度上的复杂性[6-7],因此,将近似熵与多尺度熵相结合,提取不同尺度下的近似熵作为支持向量机的输入,以实现不同机械故障的诊断。
已知1个包含N点的时间序列{x(1),x(2),…,x(N)},近似熵算法如下:
(1)确定模式维数m,进行相空间重构,顺序提取时间序列中的元素,构成一组维数为m的向量序列
X(i)={x(i),x(i+1),…,x(i+m-1)},
i=1,2,…,N-m+1。
(1)
(2)定义向量X(i)与X(j)之间的距离d[X(i),X(j)]为两者对应元素中最大差值的绝对值,即
d[X(i),X(j)]=max|x(i+k)-x(j+k)|,
k=0,1,…,m-1;i,j=1,2,…,N-m+1。
(2)
(3)给定相似容限r的阈值,统计d[X(i),X(j)]小于r的数目n,并计算其与向量个数N-m+1的比值,记为
i,j=1,…,N-m+1,i≠j。
(3)

(4)
(5)将模式维数m加1,重复以上步骤可得Φm+1(r)。
(6)定义ApEn为时间序列的近似熵,则
ApEn(m,r)=Φm(r)-Φm+1(r)。
(5)
近似熵的值与数据长度、模式维数、相似容限有关。当m=1或2,r=(0.1~0.25)S时(S为原始数据序列的标准差),计算得到的近似熵具有合理的统计特性[5,8]。为保证进行联合概率重构时得到更多的信息,取m=2;对于相似容限,过大会丢失很多统计信息,过小则造成统计效果不理想,因此选取r=0.2S。……