二维深度卷积网络模型下的轴承故障诊断

1.数据集

使用凯斯西储大学轴承数据集，一共有4种负载下采集的数据，每种负载下有10种 故障状态：三种不同尺寸下的内圈故障、三种不同尺寸下的外圈故障、三种不同尺寸下的滚动体故障和一种正常状态

 2.模型（二维CNN）

使用数据增强的方式：重叠切割（每个样本长度是1024）

通过reshape的方式变形为二维的输入形式（32,32,1） 

3 实验效果

 0HP数据集(训练集与测试集比例为7:3)，测试集准确率为99.60%

  1HP数据集(训练集与测试集比例为7:3)，测试集准确率为99.66%

 

   2HP数据集(训练集与测试集比例为7:3)，测试集准确率为99.66%

    3HP数据集(训练集与测试集比例为7:3)，测试集准确率为100.00%

 

代码运行环境要求

tensorlfow>=2.4.0

python>=3.6.0,

其他库版本无要求

 对代码和数据感兴趣的可以关注

import os
import sys
from scipy.io import loadmat
import numpy as np
import pandas as pd
import torch
from sklearn.model_selection import train_test_split
from tqdm import tqdm
from pandas import DataFrame
import code
import tensorflow as tf
from keras.utils import np_utils
from matplotlib import pyplot as plt
#压缩包：https://mbd.pub/o/bread/ZJyUmppp