基于ICEEMDAN模糊熵与Bi-LSTM的工业设备健康状态预测.pdf

２０２４年４月机床与液压Ａｐｒ．２０２４

第５２卷第７期ＭＡＣＨＩＮＥＴＯＯＬ＆ＨＹＤＲＡＵＬＩＣＳＶｏｌ５２Ｎｏ７

－

ＤＯＩ：１０．３９６９／ｊｉｓｓｎ１００１３８８１２０２４０７０３２

－

文献引用：鹿广志，李敬兆，张金伟．基于ＩＣＥＥＭＤＡＮ模糊熵与ＢｉＬＳＴＭ的工业设备健康状态预测［Ｊ］．机床与液压，２０２４，５２

－

（７）：２１４２１９．

Ｃｉｔｅａｓ：ＬＵＧｕａｎｇｚｈｉ，ＬＩＪｉｎｇｚｈａｏ，ＺＨＡＮＧＪｉｎｗｅｉ．ＰｒｅｄｉｃｔｉｏｎｏｆｉｎｄｕｓｔｒｉａｌｅｑｕｉｐｍｅｎｔｈｅａｌｔｈｓｔａｔｕｓｂａｓｅｄｏｎＩＣＥＥＭＤＡＮｆｕｚｚｙｅｎｔｒｏｐｙ

－－

ａｎｄＢｉＬＳＴＭ［Ｊ］．ＭａｃｈｉｎｅＴｏｏｌ＆Ｈｙｄｒａｕｌｉｃｓ，２０２４，５２（７）：２１４２１９．

－

基于ＩＣＥＥＭＤＡＮ模糊熵与ＢｉＬＳＴＭ的工业设备健康状态预测

１２２

鹿广志，李敬兆，张金伟

（１安徽理工大学人工智能学院，安徽淮南２３２００１；２安徽理工大学计算机科学与

工程学院，安徽淮南２３２００１）

摘要：工业设备健康状态关系着工业生产能否正常进行，为此提出一种基于改进自适应噪声完备经验模态分解

－

（ＩＣＥＥＭＤＡＮ）和双向长短期记忆网络（ＢｉＬＳＴＭ）的工业设备健康状态预测方法。ＩＣＥＥＭＤＡＮ用于将原始音频信号进行

分解得到若干个固有模态函数（ＩＭＦ）分量，通过计算相关系数选取最佳分量组进行信号重构，然后计算重构ＩＭＦ分量的

－

模糊熵值构造特征向量集合，最后再输入到ＢｉＬＳＴＭ网络进行模型训练和预测。实验结果表明：相较于其他模型，基于

－

ＩＣＥＥＭＤＡＮ模糊熵和ＢｉＬＳＴＭ的工业设备健康状态预测方法，能够有效提取音频信号特征，并准确进行健康状态预测。

－

关键词：工业设备；ＩＣＥＥＭＤＡＮ；音频信号；ＢｉＬＳＴＭ；健康预测；模糊熵

中图分类号：ＴＤ５３４；ＴＰ３９１

ＰｒｅｄｉｃｔｉｏｎｏｆＩｎｄｕｓｔｒｉａｌＥｑｕｉｐｍｅｎｔＨｅａｌｔｈＳｔａｔｕｓＢａｓｅｄｏｎＩＣＥＥＭＤＡＮ

－

ＦｕｚｚｙＥｎｔｒｏｐｙａｎｄＢｉＬＳＴＭ

１２２

ＬＵＧｕａｎｇｚｈｉ，ＬＩＪｉｎｇｚｈａｏ，ＺＨＡＮＧＪｉｎｗｅｉ

（１ＳｃｈｏｏｌｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉ