学习“基于深度学习的故障诊断”开源

这篇具有很好参考价值的文章主要介绍了学习“基于深度学习的故障诊断”开源。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。

博主秋雨行舟在csdn、b站都有开源,这里只做自己的学习记录用。
基于深度学习的轴承故障诊断,原文在这里,软件的下载、环境的配置up主给的非常详细了,所以这里只记录一些代码注释
一、CNN
注意:作者的代码是有一点点问题的,更改三条代码就可以正常运行了:
学习“基于深度学习的故障诊断”开源学习“基于深度学习的故障诊断”开源

1.pycharm的一些快捷键:这篇非常详细
单行注释:CTRL+/
多行注释:CTRL+SHIFT+/
2. str对path的处理
这两种都正确:

path = r'data/0HP' 
path = 'data//0HP' 

当路径末尾为/时:

path = r'data/0HP' '/'

3.os.listdir(path)
4.os.path.join()用法
5.loadmat()解读
6.preprocessing.StandardScaler()
首先,调用preprocessing模块中StandardScaler()类的fit()函数,通过数组x_train(待处理的数组)构建标准化模型scaler。
然后,调用模型scaler的transform函数,就可以对x_train数组进行标准化啦。

scaler=preprocessing.StandardScaler().fit(x_train) 
scaler.transform(x_train)

7.Numpy 中 np.vstack() 和 np.hstack() 简单解析
8.Python中Numpy ndarray的使用详解
9.loadmat()解读
10.os.path.join的用法
os.path.join()用法

11.Python 文件读取的4种方式
12.PATH的详细用法
13.
这篇解释的很好,python中shape用法
14.python中reshape的用法
tensorflow卷积神经网络详解-函数详解

15.TSNE实现降维及可视化
TSNE数据降维

16.plt.scatter()函数用法
python colorbar详解

神经网络——最易懂最清晰的一篇文章
学习“基于深度学习的故障诊断”开源

某篇已经复现的文章来源地址https://www.toymoban.com/news/detail-437729.html

到了这里,关于学习“基于深度学习的故障诊断”开源的文章就介绍完了。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

  • 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(52)
  • 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(35)
  • 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(52)
  • 基于深度学习的乳腺癌智能检测分割与诊断系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标分割、人工智能

    《博主简介》 小伙伴们好,我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。 ✌ 更多学习资源,可关注公-仲-hao:【阿旭算法与机器学习】,共同学习交流~ 👍 感谢小伙伴们点赞、关注! 《------往期经典推荐------》 一、AI应用软件开发实战专栏【链接】

    2024年04月13日
    浏览(79)
  • 基于网络回溯分析技术的SCADA系统故障诊断方案分析

    什么是 回溯分析 回溯分析是追踪决策的特性之一。 是指对原始决策的产生机制、决策内容、主客观环境等进行分析.从起点开始,按顺序考察导致决策失误的原因、问题的性质、失误的程度等。 案例场景 某排水集团在线业务区的SCADA系统需要从DMZ区的I/O Server上采集数据,

    2024年02月07日
    浏览(45)
  • 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(50)
  • 基于工业大数据的生产设备部件故障诊断 附完代码+论文

    设备的故障诊断方法可以按照诊断依据分为三种:基于机理模型的方法,基于数据驱动的方法,基于知识工程的方法。本文将采用基于数据驱动的方法中的基于分类的方法进行故障模型的构建。详细设计见md文件。 完整代码:https://download.csdn.net/download/pythonyanyan/87430582 1.1 选题

    2024年02月07日
    浏览(49)
  • 【论文阅读】一种基于图深度学习的互联网通信故障检测与定位方法

    论文原文:A Graph Deep Learning-Based Fault Detection and Positioning Method for Internet Communication Networks 一种基于图深度学习的 互联网通信故障检测与定位方法         新一代互联网在现代社会中,互联网接入的规模正在逐渐扩大。根据深度学习IC发布的最新报告,近一半已经成为网民

    2024年04月08日
    浏览(65)
  • 基于通道注意机制联合多尺度卷积神经网络的滚动轴承故障诊断

    实验数据采用的是美国凯斯西储大学(CWRU)轴承数据中心的SKF型轴承的DE驱动端加速度数据,其中选用采样频率为48kHz,载荷为1hp的加速度数据进行实验分析,根据损伤部位的不同,分为滚动体、内圈、外圈六点钟方向故障,故样本共有10类。其次,对所选择的数据进行划分,首

    2024年02月13日
    浏览(44)
  • (阶次分析、阶比追踪)故障诊断之基于振动信号的阶比谱分析

    想写这个帖子很久了,网上关于变速故障诊断的博客,最早应该是发布在我写的一篇知乎的帖子上,里面是基于加拿大渥太华数据进行分析处理的,很好地提取到了轴承的故障特征。后面陆续被一些二道博客贩子,各种加工,拿我的代码和一些截图,随便发了一些水贴,害,

    2024年02月15日
    浏览(37)

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