东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释)

这篇具有很好参考价值的文章主要介绍了东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释)。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。

运行效果:东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释)_哔哩哔哩_bilibili

运行代码要求:

代码运行环境要求:Keras版本>=2.4.0,python版本>=3.6.0

1.东南大学采集数据平台:

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

 数据

该数据集包含2个子数据集,包括轴承数据和齿轮数据,这两个子数据集都是在传动系动力学模拟器(DDS)上获取的。(第一个文件夹是轴承数据,第二个文件夹是齿轮数据,本次是针对齿轮数据进行故障诊断)

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

有两种工况,转速-负载配置设置为20-0和30-2。

在每个文件中,有8行信号,分别表示:x、y和z三个方向上行星齿轮箱的1-电机振动、2、3、4-振动、5-电机扭矩、x、y和z三个方向上并联齿轮箱的6、7、8-振动。第2、3、4列信号最有效。

这次实验使用第2列数据。

每种工况下有4种故障状态和1种正常状态。

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

 code20_0.py是20_0工况下故诊断代码

 code30_2.py是30_2工况下故诊断代码

实验结果

20工况

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

 东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

 东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

 30_2工况下

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释),故障诊断领域创新代码,python,开发语言

对代码感兴趣的可以关注最后一行文章来源地址https://www.toymoban.com/news/detail-645534.html

​​import os
import pandas as pd
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['simhei'] # 添加中文字体为黑体
plt.rcParams['axes.unicode_minus'] =False
Chipped_20_0=pd.read_csv('Chipped_20_0.csv').iloc[17:1048576,:]
Health_20_0=pd.read_csv('Health_20_0.csv').iloc[17:1048576,:]
Miss_20_0=pd.read_csv('Miss_20_0.csv').iloc[17:1048576,:]
Root_20_0=pd.read_csv('Root_20_0.csv').iloc[17:1048576,:]
Surface_20_0=pd.read_csv('Surface_20_0.csv').iloc[17:1048576,:]
#代码及数据集https://mbd.pub/o/bread/ZJyblp1q

到了这里,关于东南大学齿轮箱故障诊断(Python代码,MSCNN结合LSTM结合注意力机制模型,代码有注释)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

  • 专业137总分439东南大学920专业基础综合考研经验电子信息与通信电路系统芯片

    专业课920专业基础综合(信号与线性系统和数字电路): 今年专业课考了137,说实在话没有达到预期(大家不要鄙视我,并没有凡尔赛)专业课我投入的时间和精力比数一还要多一点,在东大无线电论坛Jenny老师辅导课期间的两次大模考难度均高于考研,我基本都是拿到接近

    2024年01月21日
    浏览(48)
  • 专业139分总430分南邮潘澍霖东南大学920考研经验分享和研一感受电子信息,电路系统,信息与通信工程

    我的考研历程 姓名:潘澍霖 本科:南京邮电大学 专业:通信工程 本科绩点或排名:3.95(42/538) 报考院校:东南大学 报考专业:085400电子信息(研究方向:通信与信息系统) 初试成绩:430,政治71,英语一86,数学一134,920专业基础综合(信号与系统、数字电路)139 一、

    2024年01月24日
    浏览(37)
  • 故障诊断模型 | Maltab实现GRU门控循环单元故障诊断

    故障诊断模型 | Maltab实现GRU门控循环单元故障诊断 利用各种检查和测试方法,发现系统和设备是否存在故障的过程是故障检测;而进一步确定故障所在大致部位的过程是故障定位。故障检测和故障定位同属网络生存性范畴。要求把故障定位到实施修理时可更换的产品层次(可

    2024年02月08日
    浏览(47)
  • 故障诊断 | 基于1DCNN和2DCNN的智能诊断模型—用于机械设备故障诊断

    传统机械设备状态监测方法的局限性 严重依赖专家经验: 对于机泵振动信号,时频分析如小波变换、维格纳分布及自适应分解EEMD等方法被用来提取特征,神经网络、支持向量机、决策树、模糊逻辑等方法被用于对机泵的运行状态进行分类。 但由于特征值是根据专家经验进行

    2024年04月28日
    浏览(43)
  • 故障诊断模型 | Maltab实现SVM支持向量机的故障诊断

    故障诊断模型 | Maltab实现SVM支持向量机的故障诊断 Chinese: Options:可用的选项即表示的涵义如下 -s svm类型:SVM设置类型(默认0) 0 – C-SVC 1 --v-SVC 2 – 一类SVM 3 – e -SVR 4 – v-SVR -t 核函数类型:核函数设置类型(默认2) 0 – 线性:u’v 1 – 多项式:(r u’v + coef0)^degree 2 – RBF函数:

    2024年02月05日
    浏览(51)
  • 故障诊断 | 一文解决,PLS偏最小二乘法的故障诊断(Matlab)

    故障诊断 | 一文解决,PLS偏最小二乘法的故障诊断(Matlab) 偏最小二乘法(Partial Least Squares, PLS)是一种统计建模方法,用于建立变量之间的线性关系模型。它是对多元线性回归方法的扩展,特别适用于处理高维数据和具有多重共线性的数据集。 PLS的主要目标是通过找到输入

    2024年04月12日
    浏览(44)
  • 故障诊断 | 一文解决,GCN图卷积神经网络模型的故障诊断(Matlab)

    故障诊断 | 一文解决,GCN图卷积神经网络模型的故障诊断(Matlab) GCN(Graph Convolutional Network)是一种基于图结构数据进行卷积操作的神经网络模型。它在处理图数据上展现了很好的性能,特别适用于节点分类、图分类和图生成等任务。 GCN模型的核心思想是将图结构数据转化

    2024年04月11日
    浏览(111)
  • 故障诊断模型 | Maltab实现LSTM长短期记忆神经网络故障诊断

    故障诊断模型 | Maltab实现LSTM长短期记忆神经网络故障诊断 长短记忆神经网络——通常称作LSTM,是一种特殊的RNN,能够学习长的依赖关系。 他们由Hochreiter&Schmidhuber引入,并被许多人进行了改进和普及。 LSTM是为了避免长依赖问题而精心设计的。 记住较长的历史信息实际上是

    2024年02月07日
    浏览(53)
  • 故障诊断模型 | Maltab实现BiLSTM双向长短期记忆神经网络故障诊断

    故障诊断模型 | Maltab实现BiLSTM双向长短期记忆神经网络故障诊断 利用各种检查和测试方法,发现系统和设备是否存在故障的过程是故障检测;而进一步确定故障所在大致部位的过程是故障定位。故障检测和故障定位同属网络生存性范畴。要求把故障定位到实施修理时可更换的

    2024年02月07日
    浏览(47)
  • ISO-27145故障诊断说明

    5BYTE-故障码组成:故障等级(1byte)+(X+CODE+FTB)(3byte)+故障状态(1byte),其中X表示故障类别 CODE和FTB明细,请参考 “J2012DA_201812.xlsx” : X+CODE查看\\\"X0000-X3FFF\\\"分组 ;FTB查看“FTB.Sub.Types”分组 资源下载链接 2BYTE故障明细说明 基础知识,需要先根据 ISO14229-1 \\\" 11.3.2.1 Request message d

    2024年02月01日
    浏览(28)

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