美国西储大学轴承寿命预测

针对电力故障信号为突变、非平稳信号的特点,利用消噪阈值法对故障信号进行预处理,通过小波变换对故障信号进行特征提取,然后将小波变换和信息熵相结合,并应用到故障检测与定位中,为奇异信号的检测提供了新思路和新手段。通过仿真分析,得到以下结论:小波能量熵WEE可以很好地检测故障突变点,小波能量熵随时间的变化规律,反映了电流或电压在时域的能量分布特征并表征信号的频率变化,可以用作分类所需的特征。

针对湿式磨机在磨矿过程中负荷(ML)难以测量的特点,提出了一种基于核函数选择的多输出LSSVM磨机负荷软测量方法。引入能量熵的概念,借助超球体表示和核函数本身蕴涵的度量特征,提出基于样本分布能量熵的支持向量机核函数选择方法;利用LSSVM建立模型对多输入多输出磨机负荷进行软测量,且将据此测量的结果与BP神经网络测量结果进行了比较。仿真结果表明,借助样本分布能量熵选择LSSVM核函数,有助于SVM泛化能力和磨机负荷软测量准确率的提高。

采用EEMD算法对故障信号进行分解，然后提取各imf分量的能量熵，用于机械故障诊断，包含所有文件和数据可运行。

通过局部均值分解对数据进行分量分解，并计算分量的能量熵

提取纹理特征（能量、熵、惯性矩、相关性）：将原始图像灰度化；计算四个共生矩阵P；对共生矩阵归一化；对共生矩阵计算能量、熵、惯性矩、相关4个纹理参数

里面包括IMD分解，然后求出分解分量的能量熵。你可以求出个各个样本的能量熵然后进行分类。完美运行，你指的拥有。

先把信号进行lmd分解，在通过方差贡献率选择IMF分量，在计算能量熵。你值得拥有，可以运行，求好评！

通过该Matlab程序可以求取用于描述图像纹理特征的灰度共生矩阵参数（能量、熵、惯性矩、相关性）。可以分别求取0,45°,90°,135°方向上的特征参数，同时可以求出这些特征参数的平均值与标准差。

针对P300 信号特征提取和分类过程中训练及测试速度相对较慢的不足，提出了一种基于P300 带内带外特征的脑电 信号特征提取方法，将时域能量熵和离散小波变换相结合，克服了P300 信号识别中对电极数量和脑电信号叠加次数的苛刻要 求。试验采用支持向量机作为分类器，在BCI Competition 2003 和BCI Competition 2005 的P300 试验数据集上进行验证，结果表 明，提出的方法只需对一导数据进行处理，只有2 次叠加平均，就能得到很好的分类效果及较短的分类系统运算时间。