针对该领域初学者,经常有人一头雾水,不知如何学习,因此本文提供了一个学习路线
注:以下路线适合使用深度学习做故障诊断的初学者(建议使用Python、pytorch)
深度学习+故障诊断学习路线
- stage1: Python入门 - 打好编程基础
- stage2: 吴恩达课程讲深度学习理论 - 浅浅理解神经网络
- stage3: 看10篇中文故障诊断论文 - 对故障诊断有个大概了解
- stage4: 深度学习实战(一定要动手敲代码)
- stage5: 了解故障诊断相关理论知识及信号处理方法
- stage6: 实战初级故障诊断代码
- stage7: 看10篇SCI3区及以上论文 - 了解发展趋势
- stage8: 学习进阶故障诊断开源代码 - 积累方法
- (综述)Deep Learning Algorithms for Rotating Machinery Intelligent Diagnosis: An Open Source Benchmark Study
- (综述、不同转速间)Applications of Unsupervised Deep Transfer Learning to Intelligent Fault Diagnosis: A Survey and Comparative Study
- (不同转速间)Domain Adversarial Graph Convolutional network (DAGCN)
- (小样本学习)Limited Data Rolling Bearing Fault Diagnosis with Few-shot Learning
- (不同数据集之间迁移)Deep Convolutional Transfer Learning Network: A New Method for Intelligent Fault Diagnosis of Machines With Unlabeled Data
- 数字信号处理介绍及python源代码实战
- (GAN+STFT) An unsupervised fault diagnosis method for rolling bearing using STFT and generative neural networks
- 域泛化公开代码&论文集合
- 推荐github大佬 follow
- stage9: 继续看10篇SCI论文,尝试自己的idea
- stage10: 继续完善idea,有结果,投稿录用
- 附
- 查找论文代码两个网站
- 公开讲座
- 1、华中科技大学高亮教授:智能诊断中的自动机器学习:研究进展与挑战
- 2、西安交通大学严如强教授:智能诊断中的可解释深度学习:进展与挑战
- 3、华南理工大学陈祝云助理研究员:从部分域、开放集到开放混合域:非完备集知识迁移诊断方法研究
- 4、苏州大学沈长青教授:从域适应到域泛化:人工智能驱动的故障诊断模型探索
- 5、华南理工大学李巍华教授:面向工业场景的深度迁移学习智能诊断:研究进展与挑战
- 6、华南理工大学黄如意助理研究员:赋智故障诊断与预测:复合故障智能解耦与多任务协同监测
- 7、清华大学王天杨助理研究员:面向非协作数据场景的智能诊断与预测研究
- 8、同济大学余建波教授:深度迁移对抗学习驱动的设备健康预诊维护:研究进展与挑战
- 9、西安交通大学孙闯副教授:智能诊断中的图卷积网络:研究进展与探索
- 10、安徽大学陆思良副教授:边缘智能驱动的设备状态实时监测与控制
- 11、东莞理工学院李川研究员:从强监督向弱监督深度学习进化赋能故障诊断
- 12、西安交通大学李响副教授:智能协同故障诊断中的联邦学习:研究进展与挑战
- 13、湖南大学邵海东副教授:从向量域到矩阵域及张量域:智能故障诊断的数据融合与挖掘
- 14、上海交通大学王冬副教授:智能故障诊断新观点:模型结构与输出权重双可解释性
- 15、西安交通大学赵志斌助理教授:从稀疏表示到深度展开网络:模型驱动的可解释智能诊断初探
- 16、西安交通大学雷亚国教授:机械装备智能运维
- 17、国防科技大学 张伦助理研究员:直升机行星轮系振动分离与智能诊断
- 公开数据集下载
- github入门教程
- 特征工程与特征选择
- 特征工程与特征选择
stage1: Python入门 - 打好编程基础
https://www.bilibili.com/video/BV1vA411b7Rn?spm_id_from=333.337.search-card.all.click
B站免费课程 学到P49
建议时长 2周
在线免费python入门编程网站1
https://www.w3school.com.cn/python/python_while_loops.asp
在线免费python入门编程网站2
https://www.begtut.com/sql/sql-tutorial.html
stage2: 吴恩达课程讲深度学习理论 - 浅浅理解神经网络
https://www.bilibili.com/video/BV1FT4y1E74V?p=41
建议时长 2周
stage3: 看10篇中文故障诊断论文 - 对故障诊断有个大概了解
stage4: 深度学习实战(一定要动手敲代码)
1、网易云课堂 - 收费298 学到课时81
建议时长 3周
链接:https://study.163.com/course/courseMain.htm?courseId=1210834809
2、推荐!!!B站 - 免费 动手学深度学习 PyTorch版
B站视频
链接:https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497
配套电子书、代码
链接:https://zh.d2l.ai/chapter_convolutional-modern/alexnet.html
3、 微软 AI education
在线电子教程,有案例
链接:https://microsoft.github.io/ai-edu
stage5: 了解故障诊断相关理论知识及信号处理方法
故障诊断入门资料整理,不断更新
https://blog.csdn.net/m0_47410750/article/details/123213609?spm=1001.2014.3001.5502
书籍:
机械故障诊断及典型案例解析
MATLAB在振动信号处理中的应用.
stage6: 实战初级故障诊断代码
(同一转速间)基于卷积神经网络的轴承故障诊断算法研究_张伟
https://github.com/AaronCosmos/wdcnn_bearning_fault_diagnosis
stage7: 看10篇SCI3区及以上论文 - 了解发展趋势
stage8: 学习进阶故障诊断开源代码 - 积累方法
(综述)Deep Learning Algorithms for Rotating Machinery Intelligent Diagnosis: An Open Source Benchmark Study
https://github.com/ZhaoZhibin/DL-based-Intelligent-Diagnosis-Benchmark
(综述、不同转速间)Applications of Unsupervised Deep Transfer Learning to Intelligent Fault Diagnosis: A Survey and Comparative Study
https://github.com/ZhaoZhibin/UDTL
(不同转速间)Domain Adversarial Graph Convolutional network (DAGCN)
https://github.com/HazeDT/DAGCN
(小样本学习)Limited Data Rolling Bearing Fault Diagnosis with Few-shot Learning
https://github.com/SNBQT/Limited-Data-Rolling-Bearing-Fault-Diagnosis-with-Few-shot-Learning
(不同数据集之间迁移)Deep Convolutional Transfer Learning Network: A New Method for Intelligent Fault Diagnosis of Machines With Unlabeled Data
https://github.com/ArthurWish/DCTLN-
数字信号处理介绍及python源代码实战
https://wizardforcel.gitbooks.io/hyry-studio-scipy/content/0.html
(GAN+STFT) An unsupervised fault diagnosis method for rolling bearing using STFT and generative neural networks
https://github.com/lkurakht/CatGAN-bearing-faults
域泛化公开代码&论文集合
https://github.com/junkunyuan/Awesome-Domain-Generalization
推荐github大佬 follow
https://github.com/liguge?tab=stars
stage9: 继续看10篇SCI论文,尝试自己的idea
stage10: 继续完善idea,有结果,投稿录用
附
查找论文代码两个网站
https://paperswithcode.com/
https://researchcode.com/
公开讲座
1、华中科技大学高亮教授:智能诊断中的自动机器学习:研究进展与挑战
https://www.bilibili.com/video/BV1e34y1i7ws/?spm_id_from=333.788
2、西安交通大学严如强教授:智能诊断中的可解释深度学习:进展与挑战
https://www.bilibili.com/video/BV1Zr4y1Y7CM/?spm_id_from=333.788
3、华南理工大学陈祝云助理研究员:从部分域、开放集到开放混合域:非完备集知识迁移诊断方法研究
https://www.bilibili.com/video/BV1LL4y1t7sx/?spm_id_from=333.788
4、苏州大学沈长青教授:从域适应到域泛化:人工智能驱动的故障诊断模型探索
https://www.bilibili.com/video/BV1V34y1q758/?spm_id_from=333.788
5、华南理工大学李巍华教授:面向工业场景的深度迁移学习智能诊断:研究进展与挑战
https://www.bilibili.com/video/BV1kY41147dy/?spm_id_from=333.788
6、华南理工大学黄如意助理研究员:赋智故障诊断与预测:复合故障智能解耦与多任务协同监测
https://www.bilibili.com/video/BV1dr4y1e7Jd/?spm_id_from=333.788
7、清华大学王天杨助理研究员:面向非协作数据场景的智能诊断与预测研究
https://www.bilibili.com/video/BV1xa411m72W/?spm_id_from=333.788
8、同济大学余建波教授:深度迁移对抗学习驱动的设备健康预诊维护:研究进展与挑战
https://www.bilibili.com/video/BV1gS4y1L7iE/?spm_id_from=333.788
9、西安交通大学孙闯副教授:智能诊断中的图卷积网络:研究进展与探索
https://www.bilibili.com/video/BV1Aq4y1C7gv/?spm_id_from=333.788
10、安徽大学陆思良副教授:边缘智能驱动的设备状态实时监测与控制
https://www.bilibili.com/video/BV1AR4y1u74b/?spm_id_from=333.788
11、东莞理工学院李川研究员:从强监督向弱监督深度学习进化赋能故障诊断
https://www.bilibili.com/video/BV1hP4y177wt/?spm_id_from=333.788
12、西安交通大学李响副教授:智能协同故障诊断中的联邦学习:研究进展与挑战
https://www.bilibili.com/video/BV14S4y1o79U/?spm_id_from=333.788
13、湖南大学邵海东副教授:从向量域到矩阵域及张量域:智能故障诊断的数据融合与挖掘
https://www.bilibili.com/video/BV1WF411p7ze/?spm_id_from=333.788
14、上海交通大学王冬副教授:智能故障诊断新观点:模型结构与输出权重双可解释性
https://www.bilibili.com/video/BV11R4y1M7vQ/?spm_id_from=333.788
15、西安交通大学赵志斌助理教授:从稀疏表示到深度展开网络:模型驱动的可解释智能诊断初探
https://www.bilibili.com/video/BV1DS4y157zM/?spm_id_from=333.788
16、西安交通大学雷亚国教授:机械装备智能运维
https://www.bilibili.com/video/BV1RU4y1d75q?spm_id_from=333.999.0.0
17、国防科技大学 张伦助理研究员:直升机行星轮系振动分离与智能诊断
https://www.bilibili.com/video/BV1pi4y1k7hi?spm_id_from=333.999.0.0
公开数据集下载
https://industrial-bigdata.com/Data
github入门教程
『教程』一看就懂!Github基础教程
【教程】使用GitHub Desktop管理你的项目
Git + GitHub 10分钟完全入门
Git + GitHub 10分钟完全入门 (进阶)
特征工程与特征选择
https://github.com/Yimeng-Zhang/feature-engineering-and-feature-selection
特征工程与特征选择
https://github.com/anujdutt9/Feature-Selection-for-Machine-Learning