## 基于深度学习的故障诊断
### 第一章:安装以及环境配置
#### 1.Pycharm安装
```
官网: https://www.jetbrains.com/pycharm/
```
#### 2.Anaconda安装与配置
```
官网:https://www.anaconda.com/download#downloads
配置环境变量(按照自己的安装路径进行配置即可)
D:\software\anaconda\install
D:\software\anaconda\install\Scripts
D:\software\anaconda\install\Library\bin
D:\software\anaconda\install\Library\mingw-w64\bin
```
#### 3.Tensorflow安装
```
官网:https://tensorflow.google.cn/?hl=zh-cn
创建深度学习环境并命名为tf2,指定python版本为3.11:
conda create --name tf2 python=3.11
Anaconda激活tf2环境:
conda activate tf2
Anaconda退出激活环境:
conda deactivate
安装Tensorflow并指定版本为2.15,使用豆瓣源进行加速
pip install tensorflow==2.15.0 -i https://pypi.douban.com/simple/
安装scikit-learn,使用豆瓣源进行加速
pip install scikit-learn -i https://pypi.douban.com/simple/
```
### 第二章:代码讲解与运行调试
#### 0.数据集说明
```
凯斯西楚大学轴承数据集官网:
https://engineering.case.edu/bearingdatacenter/download-data-file
数据集说明(翻译于官网数据集说明):
收集了正常轴承、单点驱动端和风扇端缺陷的数据。驱动端轴承实验以12000个样本/秒和48000个样本/秒的速度采集数据。所有风机端轴承数据以12000个样本/秒的速度采集。
数据文件为Matlab格式。每个文件包含风扇和驱动端振动数据以及电机转速。对于所有文件,变量名中的以下项表示:
数据集包括:
(1)正常基线数据
(2)12k驱动端轴承故障数据
(3)48k传动端轴承故障数据
(4)风机端轴承故障数据
实验数据集仅使用12k驱动端轴承故障数据,其余数据集预处理与实验数据预处理一致。
```
#### 1.基于卷积神经网络的故障诊断(1DCNN、2DCNN)
```
文件夹说明:
data:数据集存放路径
save_picture/1DCNN:存放1DCNN的图片
save_picture/2DCNN:存放2DCNN的图片
model/1DCNN.h5: 保存的1DCNN模型文件
model/2DCNN.h5: 保存的2DCNN模型文件
code/1DCNN.py: 1DCNN代码运行文件
code/2DCNN.py: 2DCNN代码运行文件
code/preprocessing.py: 数据预处理文件
```
#### 2.基于卷积与循环神经网络的故障诊断(1DCNN-LSTM、1DCNN-GRU、2DCNN-LSTM、2DCNN-GRU)
```
文件夹说明:
data:数据集存放路径
save_picture/1DCNN_GRU:存放1DCNN_GRU的图片
save_picture/1DCNN_LSTM:存放1DCNN_LSTM的图片
save_picture/2DCNN_GRU:存放2DCNN_GRU的图片
save_picture/2DCNN_LSTM:存放2DCNN_LSTM的图片
model/1DCNN_GRU.h5: 保存的1DCNN_GRU模型文件
model/1DCNN_LSTM.h5: 保存的1DCNN_LSTM模型文件
model/2DCNN_GRU.h5: 保存的2DCNN_GRU模型文件
model/2DCNN_LSTM.h5: 保存的2DCNN_LSTM模型文件
code/1DCNN_GRU.py: 1DCNN_GRU代码运行文件
code/1DCNN_LSTM.py: 1DCNN_LSTM代码运行文件
code/2DCNN_GRU.py: 2DCNN_GRU代码运行文件
code/2DCNN_LSTM.py: 2DCNN_LSTM代码运行文件
code/preprocessing.py: 数据预处理文件
```
#### 3.基于卷积与连续小波变换的故障诊断(1DCNN-CWT、2DCNN-CWT)
```
1.运行时注意事项:对于pywt库的安装,应使用:
pip install PyWavelets -i https://pypi.douban.com/simple/
2.首先在创建cwt_picture-train-valid-test文件夹,并运行sign_cwt文件,在train、valid、test文件夹生成相应的连续小波变换的图片后,再运行1DCNN_CWT/2DCNN_CWT进行分类实验
文件夹说明:
data:数据集存放路径
cwt_picture/train: 存放训练集的连续小波图片
cwt_picture/test: 存放测试集的连续小波图片
cwt_picture/valid: 存放验证集的连续小波图片
save_picture/1DCNN_CWT:存放1DCNN_CWT的图片
save_picture/2DCNN_CWT:存放2DCNN_CWT的图片
model/1DCNN_CWT.h5: 保存的1DCNN_CWT模型文件
model/2DCNN_CWT.h5: 保存的2DCNN_CWT模型文件
code/1DCNN_CWT.py: 1DCNN_CWT代码运行文件
code/2DCNN_CWT.py: 2DCNN_CWT代码运行文件
code/gen_cwt_pic.py: 生成连续小波变换图片代码运行文件
code/read_picture.py: 读取连续小波图片代码运行文件
code/preprocessing.py: 数据预处理文件
```
#### 4.基于特征融合的故障诊断(SIGN-FFT)
```
文件夹说明:
data:数据集存放路径
save_picture/1DCNN_SIGN_FFT:存放1DCNN_SIGN_FFT的图片
model/1DCNN_SIGN_FFT.h5: 保存的1DCNN_SIGN_FFT模型文件
code/1DCNN_SIGN_FFT.py: 1DCNN_SIGN_FFT代码运行文件
code/preprocessing.py: 数据预处理文件
```
#### 5.基于抗噪方法的故障诊断(1DCNN、2DCNN-DRSN、1DCNN-SVD)
```
文件夹说明:
data:数据集存放路径
save_picture/1DCNN:存放1DCNN的图片
save_picture/1DCNN_SVD:存放1DCNN_SVD的图片
save_picture/2DCNN_DRSN:存放2DCNN_DRSN的图片
model/1DCNN.h5: 保存的1DCNN模型文件
model/1DCNN_SVD.h5: 保存的1DCNN_SVD模型文件
model/2DCNN_DRSN.h5: 保存的2DCNN_DRSN模型文件
code/1DCNN.py: 1DCNN代码运行文件
code/1DCNN_SVD.py: 1DCNN_SVD代码运行文件
code/2DCNN_DRSN.py: 2DCNN_DRSN代码运行文件
code/plot_svd.py: 因为可能需要图片,就可视化一条样本,用于样本分析
code/preprocessing.py: 数据预处理文件
```
#### 6.基于迁移学习的故障诊断(模型)
```
文件夹说明:
data:数据集存放路径
save_picture/1DCNN_Transfer:存放1DCNN_Transfer迁移的图片
model/1DCNN_Transfer.h5: 保存的1DCNN_Transfer模型文件
code/1DCNN_Transfer.py: 1DCNN_Transfer代码运行文件
code/preprocessing.py: 数据预处理文件
```
#### 7.基于通用模型代码的故障诊断(GRU、Inception、LSTM、RandomForest、SVM)
```
文件夹说明:
data:数据集存放路径
save_picture/GRU:存放GRU的图片
save_picture/Inception:存放Inception的图片
save_picture/LSTM:存放LSTM的图片
model/GRU.h5: 保存的GRU模型文件
model/Inception.h5: 保存的Inception模型文件
model/LSTM.h5: 保存的LSTM模型文件
code/preprocessing.py: 数据预处理文件
code/GRU.py: GRU代码运行文件
code/Inception.py: Inception代码运行文件
code/LSTM.py: LSTM代码运行文件
code/RandomForest.py: RandomForest代码运行文件
code/SVM.py: SVM代码运行文件
```
没有合适的资源?快使用搜索试试~ 我知道了~
基于深度学习的故障诊断入门示例,包括数据预处理、模型搭建、模型训练
共58个文件
mat:40个
png:10个
py:3个
0 下载量 188 浏览量
2024-07-28
11:03:28
上传
评论
收藏 46.16MB ZIP 举报
温馨提示
【作品名称】:基于深度学习的故障诊断入门示例,包括数据预处理、模型搭建、模型训练 【适用人群】:适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【项目介绍】: 基于卷积与循环神经网络的故障诊断(1DCNN-LSTM、1DCNN-GRU、2DCNN-LSTM、2DCNN-GRU) 文件夹说明: data:数据集存放路径 save_picture/1DCNN_GRU:存放1DCNN_GRU的图片 save_picture/1DCNN_LSTM:存放1DCNN_LSTM的图片 save_picture/2DCNN_GRU:存放2DCNN_GRU的图片 save_picture/2DCNN_LSTM:存放2DCNN_LSTM的图片 model/1DCNN_GRU.h5: 保存的1DCNN_GRU模型文件 model/1DCNN_LSTM.h5: 保存的1DCNN_LSTM模型文件 model/2DCNN_GRU.h5: 保存的2DCNN_GRU模型文件 model/2DCNN_LSTM.h5: 保存的2DCNN_LSTM模型
资源推荐
资源详情
资源评论
收起资源包目录
Fault-diagnosis-based.zip (58个子文件)
Fault-diagnosis-based
.DS_Store 6KB
1.基于卷积神经网络的故障诊断
data
0HP
12k_Drive_End_OR014@6_0_197.mat 2.79MB
12k_Drive_End_B007_0_118.mat 2.81MB
12k_Drive_End_IR007_0_105.mat 2.78MB
12k_Drive_End_OR007@6_0_130.mat 2.79MB
12k_Drive_End_B021_0_222.mat 2.79MB
12k_Drive_End_B014_0_185.mat 2.79MB
normal_0_97.mat 3.72MB
12k_Drive_End_IR014_0_169.mat 2.79MB
12k_Drive_End_IR021_0_209.mat 2.8MB
12k_Drive_End_OR021@6_0_234.mat 2.8MB
3HP
12k_Drive_End_B021_3_225.mat 2.8MB
12k_Drive_End_B014_3_188.mat 2.8MB
12k_Drive_End_OR014@6_3_200.mat 2.79MB
12k_Drive_End_OR021@6_3_237.mat 2.79MB
12k_Drive_End_IR014_3_172.mat 2.79MB
12k_Drive_End_OR007@6_3_133.mat 2.81MB
12k_Drive_End_IR007_3_108.mat 2.81MB
normal_3_100.mat 7.41MB
12k_Drive_End_B007_3_121.mat 2.78MB
12k_Drive_End_IR021_3_212.mat 2.79MB
2HP
12k_Drive_End_B014_2_187.mat 2.79MB
12k_Drive_End_IR021_2_211.mat 2.79MB
12k_Drive_End_B007_2_120.mat 2.78MB
12k_Drive_End_IR007_2_107.mat 2.8MB
normal_2_99.mat 14.79MB
12k_Drive_End_OR007@6_2_132.mat 2.78MB
12k_Drive_End_OR014@6_2_199.mat 2.79MB
12k_Drive_End_B021_2_224.mat 2.8MB
12k_Drive_End_IR014_2_171.mat 2.79MB
12k_Drive_End_OR021@6_2_236.mat 2.8MB
1HP
12k_Drive_End_B014_1_186.mat 2.8MB
12k_Drive_End_B007_1_119.mat 2.78MB
12k_Drive_End_OR021@6_1_235.mat 2.79MB
12k_Drive_End_OR007@6_1_131.mat 2.8MB
12k_Drive_End_IR007_1_106.mat 2.79MB
12k_Drive_End_B021_1_223.mat 2.79MB
12k_Drive_End_OR014@6_1_198.mat 2.8MB
normal_1_98.mat 7.38MB
12k_Drive_End_IR021_1_210.mat 2.78MB
12k_Drive_End_IR014_1_170.mat 2.79MB
save_picture
1DCNN
混淆矩阵.png 24KB
loss.png 31KB
end_tsne.png 36KB
start_tsne.png 193KB
acc.png 31KB
2DCNN
混淆矩阵.png 24KB
loss.png 29KB
end_tsne.png 32KB
start_tsne.png 165KB
acc.png 29KB
model
2DCNN.h5 232KB
1DCNN.h5 425KB
Readme.md 2KB
code
2DCNN.py 8KB
1DCNN.py 8KB
preprocessing.py 4KB
readme.md 5KB
共 58 条
- 1
资源评论
MarcoPage
- 粉丝: 4206
- 资源: 8839
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功