평상이 차별 없이 공식이나 비선형 캐릭터의 이산선명도 벤트라부 팬 장애 신호와 응용 과정 샘플이 작은 특징을 맞닥병 다, 연합적인 경험모달 분해(EEMD)와 샘플 엔트로피, 그리고 LIBSVM을 기초로 벤트라부 팬 장애 진단을 위한 신규 방법을 제기하고 있다. 우선 총 소평균 경험모달로 센서신호를 여러 개 안정한 고유모달 함수(IMF) 부원으로 쪼갠다. 이후 서로 관련된 계수 기준으로 IMF 부원을 선택하여 가짜 모드 부원을 제거하고 선택만 IMF 부원에 대해 샘플 엔트로피 계산을 신극적으로 각각의 특징 벡터로 한다. 마지막으로, 특징 벡터를 LIBSVM이나 BP 신경망에 입력하여 모드 인식을 진행한다. 이러한 방법이 가능성, 유효성 및 우수성을 실험적으로 검증했다.

벤트라부 팬, 연합적인 경험모달 분해, 샘플 엔트로피, 지지벡터 머신, 팬 손상