下载资源网络技术资源详情
22.zip
大小:45.1MB
价格:21积分
下载量:0
评分:
5.0
上传者:2301_80488214
更新日期:2025-09-22

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

资源文件列表(大概)

文件名
大小
22/
-
22/1.基于卷积神经网络的故障诊断/
-
22/1.基于卷积神经网络的故障诊断/Readme.md
2.35KB
22/1.基于卷积神经网络的故障诊断/code/
-
22/1.基于卷积神经网络的故障诊断/code/1DCNN.py
7.66KB
22/1.基于卷积神经网络的故障诊断/code/2DCNN.py
7.73KB
22/1.基于卷积神经网络的故障诊断/code/preprocessing.py
3.62KB
22/1.基于卷积神经网络的故障诊断/data/
-
22/1.基于卷积神经网络的故障诊断/data/0HP/
-
22/1.基于卷积神经网络的故障诊断/data/0HP/12k_Drive_End_B007_0_118.mat
2.81MB
22/1.基于卷积神经网络的故障诊断/data/0HP/12k_Drive_End_B014_0_185.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/0HP/12k_Drive_End_B021_0_222.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/0HP/12k_Drive_End_IR007_0_105.mat
2.78MB
22/1.基于卷积神经网络的故障诊断/data/0HP/12k_Drive_End_IR014_0_169.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/0HP/12k_Drive_End_IR021_0_209.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/0HP/12k_Drive_End_OR007@6_0_130.mat
2.79MB
22/1.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
22/1.基于卷积神经网络的故障诊断/data/0HP/12k_Drive_End_OR021@6_0_234.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/0HP/normal_0_97.mat
3.72MB
22/1.基于卷积神经网络的故障诊断/data/1HP/
-
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_B007_1_119.mat
2.78MB
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_B014_1_186.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_B021_1_223.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_IR007_1_106.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_IR014_1_170.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_IR021_1_210.mat
2.78MB
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_OR007@6_1_131.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_OR014@6_1_198.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/1HP/12k_Drive_End_OR021@6_1_235.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/1HP/normal_1_98.mat
7.38MB
22/1.基于卷积神经网络的故障诊断/data/2HP/
-
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_B007_2_120.mat
2.78MB
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_B014_2_187.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_B021_2_224.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_IR007_2_107.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_IR014_2_171.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_IR021_2_211.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_OR007@6_2_132.mat
2.78MB
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_OR014@6_2_199.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/2HP/12k_Drive_End_OR021@6_2_236.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/2HP/normal_2_99.mat
14.79MB
22/1.基于卷积神经网络的故障诊断/data/3HP/
-
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_B007_3_121.mat
2.78MB
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_B014_3_188.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_B021_3_225.mat
2.8MB
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_IR007_3_108.mat
2.81MB
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_IR014_3_172.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_IR021_3_212.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_OR007@6_3_133.mat
2.81MB
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_OR014@6_3_200.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/3HP/12k_Drive_End_OR021@6_3_237.mat
2.79MB
22/1.基于卷积神经网络的故障诊断/data/3HP/normal_3_100.mat
7.41MB
22/1.基于卷积神经网络的故障诊断/model/
-
22/1.基于卷积神经网络的故障诊断/model/1DCNN.h5
424.57KB
22/1.基于卷积神经网络的故障诊断/model/2DCNN.h5
232.06KB
22/1.基于卷积神经网络的故障诊断/save_picture/
-
22/1.基于卷积神经网络的故障诊断/save_picture/1DCNN/
-
22/1.基于卷积神经网络的故障诊断/save_picture/1DCNN/acc.png
30.55KB
22/1.基于卷积神经网络的故障诊断/save_picture/1DCNN/end_tsne.png
35.74KB
22/1.基于卷积神经网络的故障诊断/save_picture/1DCNN/loss.png
31.18KB
22/1.基于卷积神经网络的故障诊断/save_picture/1DCNN/start_tsne.png
192.54KB
22/1.基于卷积神经网络的故障诊断/save_picture/1DCNN/混淆矩阵.png
24.23KB
22/1.基于卷积神经网络的故障诊断/save_picture/2DCNN/
-
22/1.基于卷积神经网络的故障诊断/save_picture/2DCNN/acc.png
29.49KB
22/1.基于卷积神经网络的故障诊断/save_picture/2DCNN/end_tsne.png
32.43KB
22/1.基于卷积神经网络的故障诊断/save_picture/2DCNN/loss.png
29.29KB
22/1.基于卷积神经网络的故障诊断/save_picture/2DCNN/start_tsne.png
165.32KB
22/1.基于卷积神经网络的故障诊断/save_picture/2DCNN/混淆矩阵.png
24.21KB
22/readme.md
5.06KB

资源内容介绍

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
## 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\installD:\software\anaconda\install\ScriptsD:\software\anaconda\install\Library\binD:\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=3.11Anaconda激活tf2环境:conda activate tf2Anaconda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```

用户评论 (0)

发表评论

captcha

相关资源

AI绘画资料合集（包含国内外可使用平台、使用教程、参数教程、部署教程、业界新闻等等）

1.安装最新版本的 Comyfui2.将 https://huggingface.co/stabilityai/stable-cascade/tree/main 下面的 stage_b 和 stage_c 模型放到 ComfyUI/models/unet 下面3.将 https://huggingface.co/stabilityai/stable-cascade/tree/main 下面的 stage_a 模型4.将 clip 模型 https://huggingface.co/stabilityai/stable-cascade/tree/main/text_encoder 放到 ComfyUI/models/clip说明：stage_b 和 stage_c 可以根据显存选择不同的组合，组合如下（以下组合越往下显存消耗越小）:stage_b.safetensors + stage_c.safetensorsstage_b_bf16.safetensors + stage_c_bf16.safetensorsstage_b_lite.safetensors

15.08MB34积分

集群机器人Matlab仿真

环境：matlab2020aWin10使用方法：添加subfunc：打开matlab，右键subfun->添加到路径->选定的文件夹和子文件夹运行demox.m

168.32KB10积分

AI吟美-人工智能主播

支持 fastgpt 知识库聊天对话支持 LLM 大语言模型的一整套解决方案：[fastgpt] + [one-api] + [Xinference]支持对接 bilibili 直播间弹幕回复和进入直播间欢迎语支持微软 edge-tts 语音合成支持 Bert-VITS2 语音合成支持 GPT-SoVITS 语音合成支持表情控制 Vtuber Studio支持绘画 stable-diffusion-webui 输出 OBS 直播间支持绘画图片鉴黄 public-NSFW-y-distinguish支持搜索和搜图服务 duckduckgo（需要魔法上网）支持搜图服务 baidu 搜图（不需要魔法上网）支持 AI 回复聊天框【html 插件】支持 AI 唱歌 Auto-Convert-Music支持歌单【html 插件】支持跳舞功能支持表情视频播放支持摸摸头动作支持砸礼物动作支持唱歌自动启动伴舞功能聊天和唱歌自动循环摇摆动作支持多场景切换、背景音乐切换、白天黑夜自动切换场景支持开放性唱歌和绘画，让 AI 自动判断内容支持流式聊天

1.64MB10积分

网络媒体流服务器NSinghxRtmpo模块

实时流处理器/高速流处理器/快速流处理器从本地文件系统或http播放的点播视频流继电器支持分布式流:推拉模型记录多个流流H264/AAC support使用FFMPEG在线转码(发布/播放/记录/更新等)多工人现场流媒体模块支持多工位通过自动流推送给工作者。此选项与rtmp_自动推进指令切换。rtmp_auto_push on;rtmp { server { listen 1935; application mytv { live on; } }}

533.22KB33积分