声明：文章是从本人公众号中复制而来，因此，想最新最快了解各类智能优化算法及其改进的朋友，可关注我的公众号：强盛机器学习，不定期会有很多免费代码分享~
今天为大家带来一期CPO-ICEEMDAN分解代码，知网和WOS都是搜不到的！可以说是尚未发表的创新点！
由于 ICEEMDAN 方法的分解效果取决于白噪声幅值权重(Nstd)和噪声添加次数(ME)，因此可以用优化算法进行寻优！同时，为了满足大家各种需求，增强创新性、增加论文篇幅，程序里附带还附带了ICEEMDAN分解图、频谱图、参数变化图、相关系数图！
适应度可函数可任选包络熵、排列熵、样本熵、信息熵四种，可完全满足你的需求！
特别需要指出的是，我们在各个学术平台上搜索CPO-ICEEMDAN，都是完全搜索不到这个模型的！！！不信的可以看下面截图！
知网平台：
WOS平台：
数据介绍
在分解模型的输入时，一般只输入一列数据即可，比如信号、时间序列、功率等等，为了方便大家操作，这里使用Excel输入！以一列信号（时间序列）为例，展示数据输入格式。
大家在更换自己的数据时，只需替换这一列放想要分解的信号等等内容，无需更改代码，非常方便！如果你是mat格式等文件的话，可以复制数据到Excel中！
优化流程
以下这些内容，如果大家需要用这个程序写论文，都是可以直接借鉴参考的！
由于 ICEEMDAN 方法的分解效果取决于白噪声幅值权重(Nstd)和噪声添加次数(ME)。因此，采用24年新算法CPO算法对 ICEEMDAN 的2个参数进行优化,适应度函数采用包络熵（或排列熵、信息熵、样本熵自己选）,如果适应度值越小，则代表分解的效果越好。通过优化和更新，来确定最终的最佳参数组合(Nstd, NE)。
优化的步骤如下:
(1)CPO算法的种群初始化,设置 CPO 的迭代次数和种群规模,并设置 ICEEMDAN 算法的参数优化范围；
(2)利用 ICEEMDAN 分解齿轮箱振动信号,并计算各个 IMF 分量的包络熵,以包络熵的最小值为适应度函数；
(3)判断优化是否达到算法的终止条件,若是,则继续下一步;若否,则更新种群位置,并返回第(2)步；
(4)保存最优的 ICEEMDAN 参数组合,并将其代入至 ICEEMDAN 中,为ICEEMDAN 构建CPO算法；
(5)利用CPO-ICEEMDAN 方法分解齿轮箱振动信号,得到最佳的 IMF 分量。
以上所有流程，作者都已精心整理过代码，都可以一键运行main直接出图！
适用平台：Matlab推荐在2021以上，没有的文件夹里已经免费提供安装包，直接下载即可！
创新点
以下这些文字，如果大家需要用这个程序写论文，都是可以直接搬运的！
使用ICEEMDAN的创新点在于：
ICEEMDAN（改进的完全集成的经验模态分解自适应噪声）算法相较于原始的EMD及其改进版本，如集成经验模态分解（EEMD）和完全集成经验模态分解（CEEMDAN），ICEEMDAN效果更佳！比如：
1.自适应噪声添加机制：ICEEMDAN改进了噪声添加过程，通过自适应地调整添加到信号中的噪声水平，以提高分解质量。这种自适应机制能够基于信号的特性，如能量或频谱分布，动态调整噪声水平，从而优化分解过程。
2.分解效率的提高：通过优化算法的内部迭代机制，ICEEMDAN减少了不必要的计算，提高了分解效率。这包括改进的极值点检测算法和插值方法，这些优化使得算法能够更快地收敛到最终结果。
3.模态混叠的减少：模态混叠是EMD及其变体中的一个常见问题，即不同频率的信号成分在分解过程中相互干扰。ICEEMDAN通过更精确的噪声水平调整和改进的分解策略，有效减少了模态混叠现象。
使用CPO冠豪猪优化算法创新点在于：
冠豪猪优化器刚刚于2024年1月发表在中科院1区顶级SCI期刊Knowledge-Based Systems上！实验结果表明，NRBO算法在大部分函数上均取得了最优结果！你先用，你就是创新！
之前推文有做过CPO和23年新算法RIME的比较，效果显而易见！对比代码可以免费获取！链接如下 ：
2024年新算法-冠豪猪优化算法(CPO)-公式原理详解与性能测评 附赠Matlab代码
参考文献
[1]陈爱午,王红卫.基于HBA-ICEEMDAN和HWPE的行星齿轮箱故障诊断[J].机电工程,2023,40(08):1157-1166.
结果展示
原始信号图：
适应度迭代曲线：
两个参数的变化曲线图！：
ICEEMDAN分解结果：
频谱图（这里IMF8即为残差，名字不同而已，其实都一样的）：
相关系数图：
结果显示：
最后，窗口也会输出方便各个结果，非常方便和清晰！
同时，为了方便大家存储数据，程序也会自动输出分解结果的Excel，这边展示一下程序文件！
所有图片替换Excel后均可一键运行main生成，Matlab比Python配置环境什么方便多了！非常适合新手小白！
其他更多代码可复制以下链接：
https://docs.qq.com/sheet/DT1hWRkpoVVJ3TGZv?tab=BB08J2