国外网站推广,附近网站建设服务公司,asp汽车销售公司网站源码 4s店网站源码 汽车网站建设 完整无,html网页设计简单代码CWT-CNN-SABO-LSSVM | Matlab实现基于CWT-CNN-SABO-LSSVM对滚动轴承的故障诊断 目录 CWT-CNN-SABO-LSSVM | Matlab实现基于CWT-CNN-SABO-LSSVM对滚动轴承的故障诊断分类效果基本描述程序设计参考资料 分类效果 基本描述
基于CWT-CNN-SABO-LSSVM对滚动轴承的故障诊断 matlab代码…CWT-CNN-SABO-LSSVM | Matlab实现基于CWT-CNN-SABO-LSSVM对滚动轴承的故障诊断 目录 CWT-CNN-SABO-LSSVM | Matlab实现基于CWT-CNN-SABO-LSSVM对滚动轴承的故障诊断分类效果基本描述程序设计参考资料 分类效果 基本描述
基于CWT-CNN-SABO-LSSVM对滚动轴承的故障诊断 matlab代码 数据采用的是凯斯西储大学数据 该模型进行故障诊断的具体步骤如下 1连续小波变换(CWT)将原始的振动信号转化为时频图 2将时频图像输入二维卷积神经网络(CNN)进行自适应故障特征提取; 3取全连接层结果作为最小二乘支持向量机的输入采用SABO算法对LSSVM的两个关键参数进行优化完成多级分类任务 4利用T-SNE实现样本分布可视化
程序设计
完整程序和数据获取方式私信回复Matlab实现基于CWT-CNN-SABO-LSSVM对滚动轴承的故障诊断。
%% 建立模型
lgraph layerGraph(); % 建立空白网络结构
tempLayers [sequenceInputLayer([num_dim, 1, 1], Name, sequence) % 建立输入层输入数据结构为[num_dim, 1, 1]sequenceFoldingLayer(Name, seqfold)]; % 建立序列折叠层
lgraph addLayers(lgraph, tempLayers); % 将上述网络结构加入空白结构中
tempLayers [convolution2dLayer([3, 1], 16, Name, conv_1, Padding, same) % 建立卷积层,卷积核大小[3, 1]16个特征图reluLayer(Name, relu_1) % Relu 激活层lgraph addLayers(lgraph, tempLayers); % 将上述网络结构加入空白结构中tempLayers [sequenceUnfoldingLayer(Name, sequnfold) softmaxLayer(Name, softmax) % softmax激活层classificationLayer(Name, classification)]; % 分类层
lgraph addLayers(lgraph, tempLayers); % 将上述网络结构加入空白结构中
lgraph connectLayers(lgraph, seqfold/out, conv_1); % 折叠层输出 连接 卷积层输入
lgraph connectLayers(lgraph, seqfold/miniBatchSize, sequnfold/miniBatchSize); % 折叠层输出连接反折叠层输入
lgraph connectLayers(lgraph, relu_2, sequnfold/in); % 激活层输出 连接 反折叠层输入%% 参数设置
options trainingOptions(adam, ... % Adam 梯度下降算法MaxEpochs, 500,... % 最大训练次数 InitialLearnRate, best_lr,... % 初始学习率为0.001L2Regularization, best_l2,... % L2正则化参数LearnRateSchedule, piecewise,... % 学习率下降LearnRateDropFactor, 0.1,... % 学习率下降因子 0.1LearnRateDropPeriod, 400,... % 经过训练后 学习率为 0.001*0.1Shuffle, every-epoch,... % 每次训练打乱数据集ValidationPatience, Inf,... % 关闭验证Plots, training-progress,... % 画出曲线Verbose, false);%% 训练
net trainNetwork(p_train, t_train, lgraph, options);参考资料 [1] https://blog.csdn.net/kjm13182345320/article/details/129036772?spm1001.2014.3001.5502 [2] https://blog.csdn.net/kjm13182345320/article/details/128690229
