- 博客(16)
- 收藏
- 关注
RSS订阅原创 读研之掉进故障检测（十）—CWRU轴承数据集使用CNN跨工况检测
-----不知道各位在做故障检测的时候，有没有发现一个问题。就是在同一个采样频率下，如果是对CWRU分出的4类故障进行诊断（内圈故障、滚动体故障、外圈故障）进行分类会发现准去率会很高。如果只做有无故障诊断的二分类时，正确率达到1也不是一件难事。------这也是我一开始接触这个问题所遇到的问题，我想咦，既然准确率那么高。我为什么还要去搞那么多高深的网络呢？------然后我就发现了他们的玩法，那就是跨工况或者对故障的不同程度进行分类预测。这样难度就上来了。
2023-11-16 21:29:09
1627
8
原创 读研之掉进故障检测（九）—IMS轴承数据集时域分析_有效值状态划分
-----本来以为简单的画个图了解一下辛辛那提的轴承数据集就完事了。但是随着最近论文的阅读，发现并不能如此草草了事。------事情的起因是这样的。因为要做状态的学习，但是看了这个所以就很困惑，怎么可以直接用RMS来进行状态划分呢？不是要用什么什么网络一顿操作嘛？峭度对冲击信号比较敏感，冲击往往意味着故障的发生，因此反映的故障信息也较多;随着轴承退化，其值从初始的 4 以下逐渐升高到 17 左右；峭度指标往往波动性较大，在轴承损伤严重的后期，曲线还出现了短暂的下降趋势；均值指标则呈现总体平稳的趋势。
2023-11-06 10:33:59
1052
8
原创 OSError: [WinError 1455] 页面文件太小，无法完成操作。caffe2_detectron_ops_gpu.dll“ or one of its dependencies.
在使用pytorch跑一个代码的时候遇到的错误。当时使用的版本应该是torch 1.9.0+cu111然后去跑一个代码，它要求的是torchvision2.0.0。但是我没管，直接跑结果就报错了。
2023-11-02 00:27:00
311
2
原创 读研之掉进故障检测（八）—辛辛那提大学IMS轴承数据集数据分析（带代码）
本文将对IMS轴承数据集进行简要的说明，以及对其进行时域分析、频谱分析等关于数据集，我是用CSDN里面老哥提供的下载数据集中一个有三个文件夹，分别是三份数据。具体介绍如下。简要的说明是，文件统一是Ascll格式的数据。文件每10分钟记录一次数据，每个文件由20,480个点组成，采样率设置为20 kHz（但是在一篇具体介绍论文中指出了其实实际频率是20.48KHZ因此一个文件也就是采集了1s的数据。
2023-10-31 02:00:00
2895
3
原创 读研之掉进故障检测（七）—第一次组会记录，故障检测的三大方法
上周五同导师开了个组会，但是周末的时候去听林子祥演唱会了（有一说一，状态真好）。现在得赶紧把老师组会的内容进行一定程度的复盘。------当然了，除了以上三类其实还有很多其他的研究方向。而且关于这三类的其中两两结合进行操作的也能见到。还有更有先进的去研究传感器了，直接从源头研究。------以上内容，并不能准确的表达我导师在组会上对咱们研究方向的一些介绍。如果我表述存在错误，也请批评指正。
2023-10-30 20:26:48
224
原创 读研之掉进故障检测（六.5）—基于分类的一般数据异常检测/GOAD-master代码学习记录
------本文是一个论文对应的开源代码笔记。读研之掉进故障检测（六）—基于分类的一般数据异常检测那么关于原论文中的GOAD算法中的代码实现部分在哪儿？关于训练算法中的公式3。依靠函数tc_loss（）进行实现。关于评估算法中的公式4与公式5.
2023-10-23 14:57:24
113
原创 读研之掉进故障检测（六）—基于分类的一般数据异常检测
------本文是一个论文的笔记。-------可以的话，希望能用于解释读研之掉进故障检测（五）—深金字塔对应子图像异常检测中为什么使用ResNet特征提取器作为特征提取器：Bergman et al在论文说明了自监督特征在异常检测方面的表现不如ImageNet训练的ResNet特征。尝试进行说明。-------同时还以外的发现，该论文中有一个极其有意思的点。扩展了基于变换的方法，使用随机仿射变换的非图像数据的适用性。
2023-10-21 14:37:20
149
原创 读研之掉进故障检测（五）—深金字塔对应子图像异常检测
-----本博客内容将针对论文中第三章内容进行分析，并尝试根据代码深入的分析其特征金字塔的匹配过程。-----该文提出了利用深度预训练特征的最近邻（kNN）方法在应用于整个图像时表现出非常强的异常检测性能。kNN方法的局限性是缺乏描述异常位于图像内的位置的分割图。在这项工作中，我们提出了一种新的异常分割方法的基础上对齐的异常图像和一个恒定数量的相似的正常图像。语义金字塔异常检测（SPADE）使用的多分辨率特征金字塔的基础上的对应关系。
2023-10-20 11:26:30
163
原创 读研之掉进故障检测（四）—EMD经验模态分解（CWRU轴承数据集）
读研之掉进故障检测（四）—CEMD经验模态分解（CWRU轴承数据集）读研之掉进故障检测（三）为论文笔记，目前暂不发布。但是该博文，将对论文中的EMD经验模态分解做相应的概念阐述，以及代码实现。
2023-10-19 12:01:28
318
原创 读研之掉进故障检测（三）---基于SDP图像EMD和改进Chebyshev距离的轴承故障诊断（论文学习）
论文来自于《Measurement》二区的论文，作者：Yongjian Sun ∗, Shaohui Li, Xiaohong Wang论文网址为https://www.sciencedirect.com/science/article/pii/S0263224121001287------论文提出了一种基于经验模态分解（EMD）和改进切比雪夫距离的轴承故障诊断方法。归一化后，将每组样本数据平均分成10等份。
2023-10-18 22:05:47
497
1
原创 读研之掉进故障检测（二）—CNN故障检测（CWRU轴承数据集）
基于卷积神经网络的轴承故障诊断算法研究—张伟对该论文中第2章 基于一维卷积神经网络的滚动轴承故障诊断方法的一种实现代码原论文的作者给出了第三章的实现代码，这里给出github具体结果是与论文中呈现的效果不同的，写这篇文章的主要目的就是为了学习如何使用CWRU轴承的数据集，属于抛砖引玉吧。数据增强的函数为代码中的：def overlap_sampling(x_train, y_train, length, offset)无数据增强的结果为有数据增强的效果为。
2023-10-15 10:20:01
1009
原创 vs2019+qt+调用matlab引擎搭建平台中，实现图像文件（.tif文件）的读取以及处理。
关于如何配置vs2019和qt平台可以参考博客关于如何配置vs2019和MATLAB联合仿真，可以参考我朋友的文章。值得一提的是，如果按照上述方法配置联合仿真还有问题，可以考虑是不是解决方案平台设置错了。尝试选择x64的平台而不是x86。x86是32位体系结构，而x64则是64位体系结构。具体原因按我的理解是我们在库目录中并没有包含win32导致的。其实写这个文章，主要就是想记录这样一个问题。MATLAB和C++结合时，虽然MATLAB内部可以处理多维数组（例如2D矩阵、3D张量等），
2023-08-18 21:05:39
343
原创 CCS TMSC6748 报错Error connecting to the target: (Error -600 @ 0x0)
CCS TMSC6748 报错Error connecting to the target:（Error -600@ 0x0）
2023-01-05 10:30:13
3205
1
原创 CCS7.3安装，关闭win10家庭版自带杀毒
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档CCS7.3安装前言一、CCS7.3安装1、这里简单讲一下为什么没有安装ccs6.1.3版本。2、ccs7.3正式安装。（注意要断网、关闭杀毒软件）(1)打开ccs安装exe（2）一路next二、关闭win10家庭版自带杀毒。首先打开注册表总结前言提示：拖了好久，突然就不知道从哪儿开始总结了。书看了好多，光整理信息也没啥用。从CCS入手，编写代码边总结好了。一、CCS7.3安装官网的CCS下载地址如下：https://soft
2021-11-20 15:12:06
3150
2
原创 #include ＜QAxObject＞ vs2017中使用qt5读取xlsx文件。
文章目录前言一、QAxObject相关函数二、打开excle1.关于快速打开和慢速打开的区别。前言为什么c++没有内置的读取excle的函数啊，之前都用Python和MATLAB习惯了。才发现c++没有。但是实习需要MATLAB转c。拖了两天还是不得不做了。一、QAxObject相关函数该部分内容采用了如下网址的介绍lQt中使用QAxObject操作Excel如果只是想使用QAxobject打开excle文件。一下函数足够了_excelObject =new QAxObject("Exc.
2021-08-19 18:50:03
711
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人