m0_60804625的博客

是一种用于时间序列分析的技术，它基于（Markov Process）并将其转化为图像形式。MTF的核心思想是将时间序列数据离散化为有限数量的状态，并分析这些状态之间的转移关系。然后，通过构建一个转移概率矩阵，将这些状态的转移概率表示为一个图像。这种方法在许多应用中具有很好的表现，特别是在和任务中。马尔可夫过程是一个满足的随机过程。其核心特性是，与过去的状态无关。对于离散状态的马尔可夫过程，如果状态空间是有限的，那么系统的转移行为可以通过来描述。

利用pytorch环境使用CWRU数据集搭建CNN网络实现10分类的轴承故障诊断。但现有轴承故障诊断研究不仅仅局限于轴承正常运转、内圈、外圈、滚动体故障四种情况。现有研究主要面对多工况，包括故障类型、转速、负载等情况，本文基于torch环境搭建CNN网络用于实现10分类任务。

针对粒子群算法惯性权重和学习因子两个参数进行改进，得到改进的粒子群算法。并以最小近似熵为适应度函数对VMD分解惩罚因子和分解数量两个参数进行优化取值。结果证明优化的粒子群算法具有更好的效果

对上一篇文章进行改进，实现各种功能函数化、模块化，代码可迁移性强，便于利用

使用matlab实现图像添加噪声

基于cnn的西储大学数据集故障诊断

CWRU数据集解读及python数据预处理代码免费获取

这篇文章用来介绍如何在matlab环境下使用粒子群优化算法（PSO）优化变分模态分解（VMD）的参数（分解层数 K ）和（惩罚因子 α ）。

能量熵介绍及matlab代码

基于深度学习/机器学习的刀具磨损状态识别，一些可做点及增加工作量的思路。

常用的几种matlab读取纯数字csv文件、excel文件，带表头的csv、excel文件，带表头的txt文件、不带表头的txt文件以及声音信号的读取。matlab中变量的保存。

时间序列成像，灰度图，故障诊断，轴承

时间序列成像之递归图，预测分类，深度学习，图像

时间序列成像，轴承寿命预测，RUL，深度学习

在anaconda命令行中进行tensorflow-gpu2.6.0深度学习环境配置。包含包的安装，各个常用包版本匹配，兼容性等。

读取文件夹下所有文件并排序，然后拼接文件中的数据，并保存为excel数据格式。