多尺度卷积MCNN和它的一些组合体，MATLAB代码，几个小创新故障诊断模型，

本期带来在故障诊断领域用的比较多的、且效果比较好的一个故障诊断模型---多尺度卷积神经网络MCNN(multi-scale convolutional neural network)为了方便大家的学习本期整理了MCNN相关的不同组合网络一次性获取上述模型获取方式移步文章末尾。MCNN: 多尺度卷积神经网络是CNN的变体, 拥有比CNN更加强大的特征提取能力。MCNN使用不同尺寸的卷积核对特征进行提取这样做的好处是, 不同尺寸卷积核具有不同大小的感受野, 从而可以提取到低频率以及高频率的特征, 将这些特征叠加起来,以形成多尺度特征。使用多尺度的特征进行模型训练时, 结果往往要优于单一卷积神经网络。本期搭建的网络结构如下以MCNN-LSTM为例MATLAB中可以直接看到每层的网络单元的具体参数本期模型诊断思路如下①对官方下载的西储大学数据进行处理划分10种故障类型②对第一步处理得到的数据采用同步压缩小波变换(SWT)的方法进行特征提取换将一维振动信号转换为二维图像。SWT具有多尺度分析的能力可以在不同尺度上对信号进行分析提供更全面的频率信息。③采用第二步得到的二维图像进行裁剪压缩送入MCNN网络以及它的组合网络进行训练与测试。本期提供代码模型的几个优点采用了同步压缩感知方法将一维图转换为二维图增强了故障特征选用了“交叉熵”损失函数作为网络训练的依据划分了训练集、验证集、测试集在网络训练的时候采用验证集不断降低损失从而不会影响模型的泛化能力采用了T-SNE降维方法可视化神经网络识别前后的效果组合了几个常用的和新颖的网络MCNN-BiGRU、MCNN-BiGRU-Attention、MCNN-BiLSTM、MCNN-GRU、MCNN -KELM、MCNN-LSTM、MCNN-SVM。内容详解一、数据处理对官方下载的西储大学数据进行处理步骤如下一共加载10种数据然后取每个数据的DE_time%DE是驱动端数据 FE是风扇端数据 BA是加速度数据 选择其中一个就行设置滑动窗口w每个数据的故障样本点个数s每个故障类型的样本量m将所有的数据滑窗完毕之后综合到一个data变量中有关西储大学数据的处理之前有文章也讲过大家可以看这篇文章西储大学轴承诊断数据处理matlab免费代码获取最后得到的数据是一个2000*1024的矩阵其中2000是样本量1024是特征。2000又等于200*1010是指10种故障状态200是指每种状态有200个样本。在代码中是data_total_1797.mat二、SWT特征提取SWT变换结果三结果展示本期模型数据中一共取了10种状态的数据每种状态数据有200个样本。训练集:验证集:测试集比例为(12:3:5)你也可以任意更改比例。结果展示首先是MCNN网络MCNN-BiGRU网络MCNN-KELM网络MCNN-SVM网络剩下几个就不一一展示啦效果都是很不错滴代码目录MATLAB版本要求2023及其以上。参考文献[1]龚俊张月义陈思戢等 .基于 SWT与改进卷积神经网络的轴承故障诊断[J].现代电子技术202447668‐74[2]陈悦然,牟莉.基于MCNN-BiGRU-Attention的轴承故障诊断.计算机系统应用,2023,32(9):125-131[3]胡梦婷, 罗晨. 基于MCNN-LSTM和交叉熵损失函数的轴承故障诊断[J]. 制造技术与机床, 2024, (9): 16-22.代码获取或者点击下方阅读原文获取。已将此代码添加至故障诊断全家桶中已购买故障诊断全家桶的小伙伴可以直接跳转以下链接下载哦故障诊断全家桶获取链接一次购买永久更新目前已经包含数十种方法了故障诊断方向必看精心整理获取更多代码点击下方卡片获取