基于CEEMDAN-MSE-RF的轴承故障诊断python

1、完全噪声辅助聚合经验模态分解CEEMDAN

 CEEMDAN这个我在前面也简单介绍过了，具体原理可以详细见博客。

2、多尺度熵MSE

多尺度熵MSE的基本原理就是对时间序列进行粗粒化或下采样，即主要是在越来越粗略的时间分辨率下分析时间序列。

def Sample_Entropy(x, m, r=0.15):
    """
    样本熵
    m 滑动时窗的长度
    r 阈值系数 取值范围一般为：0.1~0.25
    """
    # 将x转化为数组
    x = np.array(x)
    # 检查x是否为一维数据
    if x.ndim != 1:
        raise ValueError("x的维度不是一维")
    # 计算x的行数是否小于m+1
    if len(x) < m+1:
        raise ValueError("len(x)小于m+1")
    # 将x以m为窗口进行划分
    entropy = 0  # 近似熵
    for temp in range(2):
        X = []
        for i in range(len(x)-m+1-temp):
            X.append(x[i:i+m+temp])
        X = np.array(X)
        # 计算X任意一行数据与所有行数据对应索引数据的差值绝对值的最大值
        D_value = []  # 存储差值
        for index1, i in enumerate(X):