- 博客(222)
- 收藏
- 关注
RSS订阅原创 一组基于EMD分解的故障诊断模型对比！故障诊断全家桶更新！
本期主要更新故障诊断全家桶，围绕 EMD 分解 + 深度学习分类模型这一技术路线，补充并整理了一组具有代表性的对比模型，包括：EMD-LSTMEMD-CNNEMD-CNN-LSTM（串联）EMD-CNN-GRU（并联）EMD-CNN-Transformer
2026-04-20 18:50:27
402
原创 精品数据分享 | 锂电池数据集（10）基于阻抗的锂离子电池在不均衡使用情况下的性能预测
本期继续分享一篇Nature communicationTop论文公开锂离子电池数据，划重点-数据集开源，代码开源！！！
2026-04-19 22:09:55
399
原创 卷积网络（视觉模型）发展史：从 CNN 到 Vision Transformer，再到视觉 Mamba 的主干演化全景图
卷积网络的根本价值，不只是“能做图像分类”，而是它把视觉任务中最核心的结构性先验直接写进了模型：局部感受野、参数共享、层级特征提取、一定程度的平移鲁棒性。
2026-04-16 19:40:23
459
原创 多源信息融合更新：基于WDCNN的故障诊断模型！
多源信息融合的滚动轴承故障诊断是一种结合来自多个传感器或信号源的信息，以提高故障检测和诊断准确性的方法。在滚动轴承故障诊断领域，多源信息融合已被广泛应用以提升诊断的准确性和鲁棒性。本期主要更新基于 Python 的东南大学轴承故障数据集+WDCNN 分类模型教程！新增 pycharm 代码教程！
2026-04-14 21:24:23
426
原创 创新首发！从“样本极少”到“可用增强”：基于 CWT + Conditional DCGAN 的故障诊断模型
在小样本故障诊断任务中，最常见的难题不是模型不够复杂，而是类别极不平衡：正常样本数量充足，而故障样本尤其是细粒度故障类别样本极少，导致模型在训练时容易偏向多数类，在测试时则对少数类识别失稳。本期提出创新模型：首先将一维振动信号转换为连续小波变换（Continuous Wavelet Transform, CWT）时频图；随后针对少数类样本，构建条件深度卷积生成对抗网络（Conditional Deep Convolutional GAN, cDCGAN）进行图像增强；最后设计数据划分方案，对比原始训练方式与
2026-04-13 18:52:35
630
原创 创新首发！基于注意力机制优化的高创新故障诊断模型
轴承作为机械设备中的关键部件，其故障诊断对保障设备可靠运行和防止重大事故具有重要意义。针对传统故障诊断方法难以应对轴承振动信号的非平稳性、多尺度性及高噪声特征，本文提出了一种基于变分模态分解（Variational Mode Decomposition，VMD）滚动分解与快速傅里叶变换（FFT）预处理相结合的注意力机制优化的新型故障诊断框架。
2026-03-20 15:31:32
475
原创 Nature子刊论文复现！基于信号分解和机器学习的锂电池RUL预测
本期基于美国国家航天局（NASA）锂电池实验数据，复现了Nature子刊论文中提出的 CEEMDAN+SSA-LSTM+SVR 模型实验。通过对该先进深度学习模型的深入剖析和实验验证，旨在为后续锂电池健康管理系统（Battery Health Management, BHM）研究提供可借鉴的方法路径和数据支持，具有显著的学习和参考价值。
2026-03-19 20:57:25
608
原创 高创新！基于FFT+WDCNN-Transformer时频域融合的轴承故障诊断模型
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FFT+WDCNN-Transformer模型对故障数据的分类。
2026-03-18 22:21:08
447
原创 空气质量 PM2.5 浓度高创新预测模型！基于VMD滚动分解+注意力机制的并行预测模型
随着城市工业化进程的加快，空气污染问题，尤其是PM2.5浓度的预测，成为环境科学和公共健康领域的研究重点。针对PM2.5序列的非平稳性和复杂性，本文提出了一种基于变分模态分解（Variational Mode Decomposition, VMD）滚动分解与Transformer和基于全局注意力机制优化的双向门控循环单元网络（BiGRU）的并行融合预测模型。该方法利用VMD对时间序列信号进行多模态分解，有效剥离信号内在的多个频段成分，再将不同成分的信息同步输入多模型架构，充分挖掘序列的复杂动态特征，从而显著
2026-03-17 18:18:31
458
原创 故障诊断模型更新：基于EMD分解+CNN-GRU并行分类模型的详细教程！
本期主要更新基于 Python 的凯斯西储大学（CWRU）轴承数据+EMD-CNN-GRU并行分类模型教程！
2025-12-22 19:18:21
962
原创 基于CNN-SENet+SHAP分析的回归预测模型！
本文基于 Kaggle平台—洪水数据集的回归预测（文末附数据集），更新基于CNN-SENet的预测模型，并提供结合SHAP理论开展模型可解释性分析！
2025-12-20 21:51:20
1042
原创 故障诊断模型讲解：基于1D-CNN、2D-CNN分类模型的详细教程！
本期主要更新基于 Python 的凯斯西储大学（CWRU）轴承数据+CNN模型教程！我们新增了数据集和预处理的详细教程、jupyter 代码教程、pycharm 代码教程，进行了比较规范的基于 Pycharm 编辑器进行实现的代码，并且优化了训练过程的代码。同时补充了关于CNN模型及参数的讲解视频，方便同学们入门学习！请同学们更新后按照视频教程进行运行！
2025-12-19 22:44:41
1345
原创 创新首发！基于VMD+WDCNN-SENet的故障诊断模型
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VMD-WDCNN-SENet模型对故障数据的分类。
2025-12-16 20:17:52
933
原创 特征提取+概率神经网络 PNN 的轴承信号故障诊断模型
本期结合振动信号的多尺度特征提取与PNN的概率分类能力，提出一种“多特征融合—PNN轴承故障诊断模型”。该方法从时间域、频率域与统计复杂性三个层面提取数十种特征量，用以表征轴承故障信号的动态特性，并通过标准化与特征融合构建高维特征向量输入PNN进行训练与识别。通过在CWRU轴承数据集上的实验验证，本文所提方法在分类精度与稳定性方面均取得优异性能。
2025-12-15 19:31:23
1248
原创 多源信息融合！基于特征信号VMD分解+CNN-Transformer的故障诊断模型！
继上期推出的基于数据层融合+经典卷积网络的故障诊断合集，本期继续更新：数据层融合+ CNN-LSTM-Transformer的特征层融合的故障诊断模型。
2025-12-14 22:40:29
857
原创 最强更新！西储大学（CWRU）轴承数据集保姆级教程！
本期主要更新基于 Python 的凯斯西储大学（CWRU）轴承数据解读与分类处理！我们新增了数据集和预处理的详细教程、jupyter 代码教程、pycharm 代码教程，进行了比较规范的基于 Pycharm 编辑器进行实现的代码，并且优化了训练过程的代码，请同学们更新后按照视频教程进行运行！
2025-12-13 22:01:41
1566
原创 精品数据分享 | 锂电池数据集（七）同济大学电池数据集
本期继续分享一篇Nature communicationTop论文公开锂离子电池数据，划重点-数据集开源，代码开源！！！
2025-12-11 20:59:23
2692
原创 多源信息融合：数据层融合+特征层融合的故障诊断模型！
继上期推出的基于数据层融合+经典卷积网络的故障诊断合集，本期继续更新：数据层融合+ CNN-LSTM-Transformer的特征层融合的故障诊断模型。
2025-12-10 22:16:01
1123
原创 独家首发！基于VMD滚动分解+Transformer-LSTM的并行预测模型
随着时间序列预测在能源、金融、气象等领域的广泛应用，如何提高预测的准确性和稳定性成为研究热点。传统深度学习模型如LSTM虽然擅长捕捉时间序列中的长短期依赖，但面对复杂的非线性信号时效果可能有限。另一方面，Transformer凭借其强大的自注意力机制，在捕捉全局依赖关系上表现优异，但缺乏对局部时序特征的天然敏感性。为了弥补单一模型的不足，本期创新性地提出了一种基于变分模态分解（VMD）滚动分解与Transformer-LSTM并行融合的预测模型框架。该方法利用VMD对时间序列信号进行多模态分解，有效剥离信号
2025-12-08 20:33:01
1096
原创 精品数据分享 | 锂电池数据集（六）基于深度迁移学习的锂离子电池实时个性化健康状态预测
本期继续分享一篇 一区TOP 论文：基于深度迁移学习的锂离子电池实时个性化健康状态预测，划重点-数据集开源，代码开源！
2025-12-07 23:11:12
1260
原创 高效对抗噪声！基于深度残差收缩网络（DRSN）的轴承故障诊断模型
本期基于凯斯西储大学（CWRU）轴承数据集，结合深度残差收缩网络（Deep Residual Shrinkage Networks, DRSN）进行轴承故障分类研究。通过引入残差收缩模块，有效抑制噪声和无关信息，提升模型对关键特征的敏感性。基于PyTorch框架，实现了一种1D卷积DRSN模型，评估了其对CWRU数据集不同故障的分类性能。实验结果表明，所提模型在准确率、鲁棒性均优于普通残差网络，验证了深度残差收缩机制在轴承故障诊断中的有效性。
2025-12-04 23:56:30
1064
原创 高创新！基于ICEEMDAN+MSCNN-BiGRU-Attention并行预测模型
本期针对电力变压器油温运行数据，提出基于改进完备集合经验模态分解（ICEEMDAN）与多尺度卷积神经网络（MSCNN）结合注意力机制的双向门控循环单元（BiGRU）模型，对多特征时序数据进行高精度预测。模型通过GlobalAttention机制强化特征加权，提升了对序列关键时域信息的感知能力，有效捕捉复杂运行环境下油温变化规律。
2025-12-03 21:54:28
896
原创 基于Python的智能故障诊断系统 | SmartDiag AI （基础版）V1.0 正式发布！
SmartDiag AI 智能故障诊断系统是一款面向教学、科研与工业三层用户的智能化诊断平台，基于 Python + PyQt + PyTorch + 信号处理算法开发。系统以“数据驱动 + 知识融合 + 智能决策”为核心理念，实现从信号采集、特征提取、时频分析、深度学习建模到智能诊断的全流程自动化。
2025-12-02 20:47:21
584
原创 精品数据分享 | 锂电池数据集（五）麻省理工-斯坦福-丰田研究中心电池数据集
本期继续分享来自 Nature Energy 论文的锂电池公开数据集，划重点-数据集开源，代码开源！！！
2025-12-01 19:14:20
1992
原创 独家创新！基于Informer-BiGRUGATT-CrossAttention的预测模型
针对风电功率预测中的长时间依赖与多尺度时空特征建模难点，本期提出一种创新的多模型融合架构——Informer-BiGRUGATT-CrossAttention模型。该模型结合了Informer的高效长序列处理能力与双向门控循环单元（BiGRU）及全局注意力机制(Global Attention)的时序依赖捕获优势，采用交叉注意力机制进行时空特征深度融合。并实现了复杂时间序列的多层次建模，为高精度预测任务提供了新的技术路径。
2025-11-27 22:06:07
1092
原创 创新首发！基于CNN-BiLSTM-KAN模型的滚动轴承剩余使用寿命预测
滚动轴承作为机械设备的关键零部件，其剩余使用寿命（Remaining Useful Life, RUL）预测对于设备健康管理与故障预防具有重要意义。针对轴承振动信号的复杂非线性动态特性，本期提出了一种集成卷积神经网络（CNN）、双向长短时记忆网络（BiLSTM）与KAN网络的混合预测模型。
2025-11-26 21:52:38
1029
原创 精品数据分享 | 锂电池数据集（四）PINN+锂离子电池退化稳定性建模和预测
本期继续分享一篇 Nature communication 论文：物理信息神经网络在锂离子电池退化稳定建模和预测中的应用，划重点-数据集开源，代码开源！！！
2025-11-25 16:52:51
1261
原创 论文复现！基于SAM-BiGRU网络的锂电池RUL预测
本期基于美国马里兰大学先进生命周期工程研究中心(CALCE)锂电池实验数据，复现了论文《基于SAM-BiGRU网络的锂电池RUL预测》中提出的模型及对比实验。通过对该先进深度学习模型的深入剖析和实验验证，旨在为后续锂电池健康管理系统（Battery Health Management, BHM）研究提供可借鉴的方法路径和数据支持，具有显著的学习和参考价值。
2025-11-24 19:07:42
1335
原创 基于多尺度卷积神经网络（MSCNN-1D）的轴承信号故障诊断模型
针对传统诊断方法对信号特征提取依赖强且准确率有限的问题，本期基于凯斯西储大学（CWRU）轴承数据集，实现基于 Python-Pytorch 框架多尺度卷积神经网络的1维信号处理模型——MSCNN-1D，完成轴承振动信号的高效准确诊断。并更新在轴承故障诊断全家桶中，请同学们更新后按照视频教程进行运行学习！
2025-11-23 22:34:06
962
原创 精品数据分享 | 锂电池数据集（三）西安交通大学（XJTU）电池数据集
本期继续分享西安交通大学电池公开数据集，划重点-数据集开源，代码开源！！！
2025-11-22 16:27:32
2026
原创 独家创新！基于ICEEMDAN+SHAP可解释性分析的锂电池剩余寿命预测高创新模型！
随着锂电池在电动汽车、储能系统等领域的广泛应用，实现对锂电池性能退化及寿命的准确预测成为保障系统安全和经济运行的关键。针对锂电池运行数据通常具有非平稳、多尺度、多变量且存在噪声的特点，本文提出了一种融合信号预处理与深度并行网络架构的创新预测模型——基于ICEEMDAN+Transformer-BiGRUGlobal-Attention并行的锂电池剩余寿命预测模型。并提供结合SHAP理论开展模型可解释性分析，实现准确且透明的电池寿命评估。
2025-11-21 19:42:20
811
原创 创新首发！齿轮箱故障诊断：基于MTF+Swin-Informer的多模态创新模型
本期基于东南大学齿轮箱故障数据集，提出一种结合马尔科夫转移场（Markov Transition Field, MTF）与融合SwinTransformer和Informer的多模态故障诊断创新模型。创新性地解决了齿轮箱故障信号诊断中的信息表达与特征挖掘难题，实现了高效、准确且鲁棒的故障诊断性能。此方法为机械故障诊断领域提供了一条全新的多模态融合思路，拓展了深度学习在工业智能维护中的应用边界。
2025-11-20 22:56:30
1626
原创 精品数据分享 | 锂电池数据集（二）Nature子刊论文公开锂离子电池数据
本期继续分享一篇Nature communicationTop论文公开锂离子电池数据，划重点-数据集开源，代码开源！！！
2025-11-19 19:31:22
1668
原创 基于Informer-SENet的光伏电站发电功率预测对比合集！6组对比预测模型，毕业论文、小论文直接写！
本期基于某光伏电站发电功率数据集，推出一组Informer-SENet预测对比模型合集。包括'LSTM', 'Transformer-encoder', 'Informer', 'Informer-encoder', 'Informer-SENet', 'Informer-encoder-SENet'等6组模型对比实验
2025-11-18 22:35:41
1164
原创 基于密集连接的DenseNet故障诊断模型：实现高鲁棒性的深度故障诊断
本期基于凯斯西储大学（CWRU）轴承数据集，实现基 Python-Pytorch 框架的 DenseNet 网络的故障诊断算法流程实现。并更新在轴承故障诊断全家桶中，请同学们更新后按照视频教程进行运行学习！
2025-11-17 20:02:23
806
原创 精品数据分享 | 锂电池数据集（一）新能源汽车大规模锂离子电池数据集
随着新能源汽车的迅猛发展，锂离子电池作为其核心动力源，性能优化和寿命管理成为产业和科研的重点课题。高质量锂电池数据集的获取与共享，是推动电池技术创新和智能算法研发的关键。
2025-10-27 20:08:11
1585
1
原创 基于短时傅里叶变换STFT的故障诊断最强教程！搭配讲解视频
本期主要更新基于 Python 的凯斯西储大学（CWRU）轴承数据+短时傅里叶变换教程！
2025-10-21 19:33:02
1117
原创 一区直接写！CEEMDAN分解 + Informer-LSTM +XGBoost组合预测模型
本期我们推出创新性预测模型：CEEMDAN分解+Informer-LSTM+XGBoost组合预测模型。
2025-10-20 21:02:30
1114
基于天气数据的家庭能源消耗
2025-11-26
Matlab Policy iteration & value iteration 代码实现
2025-11-25
十个不同地点生成的合成天气数据
2025-11-24
维斯塔斯V100-变桨-动力-风速
2025-11-24
气象数据集 数据集分享 气象
2025-11-23
纽约市出租车之旅-每小时天气数据
2025-11-23
首尔历史天气数据（1994-2024）
2025-11-23
可再生能源和天气条件 数据集分享
2025-11-22
空气质量和健康影响数据集
2025-11-27
马德里天气数据集每小时2019-2022
2025-11-27
气候洞察数据集 数据集分享
2025-11-27
特端市用电量 数据集分享
2025-11-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人