js模拟点击网站的按钮,企业培训课程安排表,长沙教育网站开发,物流网站前端模板下载往期精彩内容#xff1a;
Python-凯斯西储大学#xff08;CWRU#xff09;轴承数据解读与分类处理
Python轴承故障诊断 (一)短时傅里叶变换STFT
Python轴承故障诊断 (二)连续小波变换CWT_pyts 小波变换 故障-CSDN博客
Python轴承故障诊断 (三)经验模态分解EMD_轴承诊断 … 往期精彩内容
Python-凯斯西储大学CWRU轴承数据解读与分类处理
Python轴承故障诊断 (一)短时傅里叶变换STFT
Python轴承故障诊断 (二)连续小波变换CWT_pyts 小波变换 故障-CSDN博客
Python轴承故障诊断 (三)经验模态分解EMD_轴承诊断 pytorch-CSDN博客
Pytorch-LSTM轴承故障一维信号分类(一)_cwru数据集pytorch训练-CSDN博客
Pytorch-CNN轴承故障一维信号分类(二)-CSDN博客
Pytorch-Transformer轴承故障一维信号分类(三)-CSDN博客
Python轴承故障诊断 (四)基于EMD-CNN的故障分类-CSDN博客
Python轴承故障诊断 (五)基于EMD-LSTM的故障分类-CSDN博客
Python轴承故障诊断 (六)基于EMD-Transformer的故障分类-CSDN博客
Python轴承故障诊断 (七)基于EMD-CNN-LSTM的故障分类-CSDN博客
Python轴承故障诊断 (八)基于EMD-CNN-GRU并行模型的故障分类-CSDN博客
基于FFT CNN - BiGRU-Attention 时域、频域特征注意力融合的轴承故障识别模型-CSDN博客
基于FFT CNN - Transformer 时域、频域特征融合的轴承故障识别模型-CSDN博客
大甩卖-CWRU轴承故障诊数据集和代码全家桶-CSDN博客
Python轴承故障诊断 (九)基于VMDCNN-BiLSTM的故障分类-CSDN博客
Python轴承故障诊断 (十)基于VMDCNN-Transfromer的故障分类-CSDN博客
Python轴承故障诊断 (11)基于VMDCNN-BiGRU-Attenion的故障分类-CSDN博客
交叉注意力融合时域、频域特征的FFT CNN -BiLSTM-CrossAttention轴承故障识别模型-CSDN博客
交叉注意力融合时域、频域特征的FFT CNN-Transformer-CrossAttention轴承故障识别模型-CSDN博客
轴承故障诊断 (12)基于交叉注意力特征融合的VMDCNN-BiLSTM-CrossAttention故障识别模型-CSDN博客
Python轴承故障诊断入门教学-CSDN博客
Python轴承故障诊断 (13)基于故障信号特征提取的超强机器学习识别模型-CSDN博客
Python轴承故障诊断 (14)高创新故障识别模型-CSDN博客
Python轴承故障诊断 (15)基于CNN-Transformer的一维故障信号识别模型-CSDN博客
轴承故障全家桶更新 | 基于时频图像的分类算法-CSDN博客
Python轴承故障诊断 (16)高创新故障识别模型二-CSDN博客
代码中包含三种模型融合方式
前言
本文基于凯斯西储大学CWRU轴承数据先经过数据预处理进行数据集的制作和加载最后通过Pytorch实现TCN-CNN模型对故障数据的分类。凯斯西储大学轴承数据的详细介绍可以参考下文
Python-凯斯西储大学CWRU轴承数据解读与分类处理_cwru bearing data-CSDN博客 1 模型整体结构
模型整体结构如下所示 2 轴承数据加载与预处理
2.1 导入数据
参考之前的文章进行故障10分类的预处理凯斯西储大学轴承数据10分类数据集 train_set、val_set、test_set 均为按照721划分训练集、验证集、测试集最后保存数据 上图是数据的读取形式以及预处理思路 2.2 数据预处理制作数据集 3 基于Pytorch的TCN-CNN轴承故障诊断分类
3.1 定义TCN-CNN分类网络模型 注意输入数据维度为[32, 1, 1024], 先送入CNN网络进行1d的卷积池化同时将信号送入TCN层提取时序特征最后把空间特征和时序特征进行融合最终送入全连接层和softmax进行分类。 3.2 设置参数训练模型 50个epoch准确率将近97%TCN-CNN网络分类效果显著TCN-CNN模型能够充分提取轴承故障信号的全局空间和时域特征收敛速度快性能特别优越效果明显。 注意调整参数 可以适当增加 TCN层数和每层维度数微调学习率 微调CNN层数和每层神经元个数增加更多的 epoch 注意防止过拟合 可以改变一维信号堆叠的形状设置合适的长度和维度 3.3 模型评估
准确率、精确率、召回率、F1 Score 故障十分类混淆矩阵 代码、数据如下
