基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

这篇具有很好参考价值的文章主要介绍了基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

 

本次项目是在https://github.com/yfshich/wdcnn_bearning_fault_diagnosis-master

开源项目基础上做的迭代曲线和混淆矩阵和特征可视化 

1项目文件

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

data文件夹装载的是凯斯西楚大学(CWRU)轴承数据集

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

以0HP文件夹为例,进行展示

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

main_0HP.py、main_1HP.py、main_2HP.py和main_3HP.py是故障诊断主程序,分别对应不同负载的数据,这四个程序只有数据调取路径这行代码不一样,其它部分都相同,只是担心新手不会修改数据路径,因此分成了四个脚本。preprocess.py是数据预处理程序,将原始数据变成一个个样本,被主程序调用。

效果运行视频:基于WDCNN的滚动轴承故障诊断(十分类,Python代码,压缩包包含数据集和代码,解压缩后直接运行)_哔哩哔哩_bilibili

运行环境库要求:TensorFlow>=2.4.0即可 

2.效果图

0HP数据集

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

训练集准确率

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

验证集准确率 

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

1HP数据集

 基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

 基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行) 基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

 基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)

代码文章来源地址https://www.toymoban.com/news/detail-406951.html

from keras.layers import Conv1D, Dense, Dropout, BatchNormalization, MaxPooling1D, Activation, Flatten
from keras.models import Sequential
from keras.utils import plot_model
from keras.regularizers import l2
import preprocess
from keras.callbacks import TensorBoard
import numpy as np
#代码和数据集:#https://mbd.pub/o/bread/mbd-ZJeXlplv

到了这里,关于基于WDCNN的滚动轴承故障诊断(Python代码,压缩包包含数据集和代码,解压缩后直接运行)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • LabVIEW滚动轴承故障在线监测

    展示了如何将LabVIEW开发出一种有效的滚动轴承故障在线监测系统。介绍了该系统的开发过程、工作原理及其在实际应用中的效果。该系统成功地应用于对滚动轴承故障的早期诊断,提高了故障检测的准确性和效率。 滚动轴承在工作过程中会产生复杂的振动信号,包括非周期

    2024年01月22日
    浏览(38)
  • Python环境下基于门控双注意力机制的滚动轴承剩余使用寿命RUL预测(Tensorflow模块)

    机械设备的寿命是其从开始工作持续运行直至故障出现的整个时间段,以滚动轴承为例,其寿命为开始转动直到滚动体或是内外圈等元件出现首次出现故障前。目前主流的滚动轴承RUL预测分类方法包含两种:一是基于物理模型的RUL预测方法,二是基于数据驱动的RUL预测方法。

    2024年02月22日
    浏览(47)
  • Python轴承故障诊断 (六)基于EMD-Transformer的故障分类

    目录 前言 1 经验模态分解EMD的Python示例 2 轴承故障数据的预处理 2.1 导入数据 2.2 制作数据集和对应标签 2.3 故障数据的EMD分解可视化 2.4 故障数据的EMD分解预处理 3 基于EMD-Transformer的轴承故障诊断分类 3.1 训练数据、测试数据分组,数据分batch 3.2 定义Transformer分类网络模型

    2024年02月04日
    浏览(51)
  • Python轴承故障诊断 (四)基于EMD-CNN的故障分类

    目录 前言 1 经验模态分解EMD的Python示例 2 轴承故障数据的预处理 2.1 导入数据 2.2 制作数据集和对应标签 2.3 故障数据的EMD分解可视化 2.4 故障数据的EMD分解预处理 3 基于EMD-CNN的轴承故障诊断分类 3.1 训练数据、测试数据分组,数据分batch 3.2 定义EMD-VGG1d网络模型 3.3 设置参数

    2024年04月27日
    浏览(34)
  • Python轴承故障诊断 (五)基于EMD-LSTM的故障分类

    目录 前言 1 经验模态分解EMD的Python示例 2 轴承故障数据的预处理 2.1 导入数据 2.2 制作数据集和对应标签 2.3 故障数据的EMD分解可视化 2.4 故障数据的EMD分解预处理 3 基于EMD-LSTM的轴承故障诊断分类 3.1 训练数据、测试数据分组,数据分batch 3.2 定义EMD-LSTM分类网络模型 3.3 设置

    2024年02月04日
    浏览(51)
  • Python轴承故障诊断 (11)基于VMD+CNN-BiGRU-Attenion的故障分类

    目录 往期精彩内容: 前言 模型整体结构 1 变分模态分解VMD的Python示例 2 轴承故障数据的预处理 2.1 导入数据 2.2 故障VMD分解可视化 2.3 故障数据的VMD分解预处理 3 基于VMD-CNN-BiGRU-Attenion的轴承故障诊断分类 3.1 定义VMD-CNN-BiGRU-Attenion分类网络模型 3.2 设置参数,训练模型 3.3 模

    2024年01月19日
    浏览(48)
  • CNN网络的故障诊断(轴承的多故障类型分类+Python代码)

            卷积神经网络作为深度学习的经典算法之一,凭借局部连接和权值共享的优点,有效地降低了传统神经网络的复杂度。卷积神经网络结构由输入层、卷积层、池化层、全连接层和输出层等构成。 图 卷积神经网络          卷积层采用多组卷积核与输入层进行卷

    2024年02月07日
    浏览(49)
  • Python轴承故障诊断 (二)连续小波变换CWT

    目录 前言 1 连续小波变换CWT原理介绍 1.1 CWT概述 1.2 CWT的原理和本质 2 基于Python的CWT实现与参数对比 2.1 代码示例 2.2 参数介绍和选择策略 2.2.1 尺度长度: 2.2.2 小波函数(wavelet): 2.3 凯斯西储大学轴承数据的加载 2.4 CWT与参数选择对比 2.4.1 基于尺度为128,选择内圈数据比

    2024年01月16日
    浏览(46)
  • Python轴承故障诊断 (一)短时傅里叶变换STFT

    目录 前言 1 短时傅里叶变换STFT原理介绍 1.1 傅里叶变换的本质 1.2 STFT概述 1.3 STFT的原理和过程 1.3.1 时间分割 1.3.2 傅里叶变换 1.3.3 时频图: 1.4 公式表示 2 基于Python的STFT实现与参数对比 2.1 代码示例 2.2 参数选择和对比 2.2.1 nperseg(窗口长度): 2.2.2 noverlap(重叠长度): 2

    2024年02月03日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包