针对现有VP型倾斜仪故障诊断主要依靠人工经验和诊断流程较为复杂的问题，提出一种以互补集合经验模态分解（Complete Ensemble Empirical Mode Decomposition，CEEMD）多尺度近似熵和二进制蝙蝠算法（BBA），优化自组织特征映射（SOM）神经网络参数的VP型倾斜仪故障诊断新方法。首先，将归一化后的仪器故障信号进行CEEMD分解，对6阶本征模态函数（IMF）求取多尺度近似熵值；然后以训练集的识别率为适应度函数，应用BBA优化SOM神经网络的竞争层维数和网络训练次数，得到BBA-SOM诊断模型；最后实施倾斜仪故障诊断。实验表明：该方法的诊断效果优于部分传统学习器，对实现VP型倾斜仪故障的自动诊断有重要现实意义。
庞聪,马武刚,李查玮.基于机器学习的VP宽频带倾斜仪故障智能诊断[J].科研仪器案例成果数据库,2022,(0).
