一维信号转成二维图像方法总结（Python代码，不涉及TensorFlow或者pytorch框架）(1)

最新推荐文章于 2024-06-14 09:50:01 发布

2401_83641360

最新推荐文章于 2024-06-14 09:50:01 发布

阅读量291

点赞数 4

分类专栏：程序员文章标签： python tensorflow pytorch

本文链接：https://blog.csdn.net/2401_83641360/article/details/137712051

版权

程序员专栏收录该内容

506 篇文章 2 订阅

订阅专栏

首先对原始数据进行不重叠样本切割（1024的长度），正常、内圈故障、滚动体故障和外圈故障每类取100个样本，然后将一维样本经过小波变换转变成图像，也就是生成400张照片，前100张（图像名称0-99.jpg）是正常类型图像，（图像名称100-199.jpg）是内圈故障；（图像名称200-299.jpg）是滚动体故障；（图像名称300-399.jpg）是外圈故障。

目前图像大小是（8,4），代码里有注释，可以修改。

0HP数据集开始位置

0HP数据集截止位置

其它负载（1HP,2HP,3HP数据集与此类似，不再列举）

1.2.JNU数据集（江南大学轴承数据集）,表格.csv文件

以600rpm转速数据集为例

首先对原始数据进行不重叠样本切割（1024的长度），正常、内圈故障、滚动体故障和外圈故障每类取150个样本，然后将一维样本经过小波变换转变成图像，也就是生成600张照片，前150张（图像名称0-149.jpg）是正常类型图像，（图像名称150-299.jpg）是内圈故障；（图像名称300-449.jpg）是滚动体故障；（图像名称450-599.jpg）是外圈故障。

目前图像大小是（8,4），代码里有注释，可以修改。

江南大学轴承数据集（600rpm数据集开始位置）

江南大学轴承数据集（600rpm数据集截止位置）

对项目感兴趣的，可以关注（两个数据集变换在一起的压缩包）


import numpy as np 
import pandas as pd
#from sklearn.model_selection import train_test_split
from collections import Counter
import pywt
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
#压缩包：https://mbd.pub/o/bread/mbd-ZZ2Ykplt

2.1.灰度图像生成（待续）

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。