EEMD-MPE-KPCA-GRU(集合经验模态分解-多尺度排列熵-核主元分析-门控循环单元)用于故障识别、诊断（Matlab完整源码和数据）运行环境matlab2023b

1.所用数据集为西安交通大学轴承故障数据集4个故障类别分别为

35HZCage（122条样本）35HZOuter race（123条样本）37.5HZOuter race（161条样本）40HZOuter race（114条样本）

选取每个故障的水平信号并截取前2000个信号点，即共520条样本每条样本长度为2000

更换数据后运行顺序main1EEMD.m、main2KPCA.m、main3EEMD_MPE_KPCA_GRU.m

2.程序流程

（1）对520条样本分别采用EEMD进行分解通过判定所有分解信号样本熵值，并重构为高中低3个频段信号

（2）对高中低信号分解进行多尺度排列熵计算并合成，最后得到每条样本的特征向量

（3）对每条样本特征向量进行kpca降维

（4）将数据导入至GRU进行分类/故障识别

3.对照组

eemd-pe-gru、eemd-mpe-gru

精度对比有分类散点图、混淆矩阵、精确率、召回率、调和平均数