基于VMD排列熵和ELM的滚动轴承故障诊断

变分模态分解vmd是目前常用的一种一维时间序列信号的处理方法，前面介绍过了，在这里就不做介绍了。看下面链接就行。

https://mp.csdn.net/mp_blog/creation/editor/123319043

排列熵是用来度量时序数据复杂度的，对于局部的变化十分敏感
对于某个一维时序信号长度为n的排列x，其元素分别为x1,x2,…,xn

1. 规定一个嵌入维度m（即m-neighborhood）和时间延迟t，进行相空间重构
2. 得到k个子序列，k=n-(m-1)t，每个子序列分别为：
   (1) x1, x1+t, … , x1+(m-1)t
   (2) x2, x2+t, … , x2+(m-1)t
   (3) …
   (4) xk, xk+t, … , xk+(m-1)t
3. 并把其转换为大小关系的排列（k个，共有m!种可能性）
4. 计算每种大小关系排列的概率P，P(排列)=该排列出现次数/k
5. 计算这些概率的信息熵：其中M为m的阶层

P E