时间序列成像-格拉姆角场（GAF）

格拉姆角场（Gramian Angular Field，GAF）是一种用于将时间序列数据转换为图像表示的方法。它将时间序列中的数据点两两组合，计算它们之间的夹角余弦，并将结果表示为图像的像素值。这种转换可以帮助捕捉时间序列数据中的动态和周期性特征。

具体来说，给定一个长度为N的时间序列数据[x1, x2, ..., xN]，格拉姆角场的计算过程如下：

1. 构造一个N×N的格拉姆矩阵G，其中G(i, j)表示数据点xi和xj之间的夹角余弦。
2. 将格拉姆矩阵G的值标准化到[0, 1]范围内，通常使用 min-max 标准化方法。
3. 将标准化后的格拉姆矩阵转换为灰度图像，每个像素的灰度值对应标准化后的格拉姆矩阵中的值。

通过这种方式，原始的时间序列数据被转换为了图像表示，其中每个像素的位置和灰度值反映了时间序列数据点之间的关系。格拉姆角场图像可以用于可视化和分析时间序列数据的结构、周期性和变化趋势。

格拉姆角场的优点包括简单直观的图像表示、能够捕捉时间序列数据的局部和全局特征、以及适用于各种类型的时间序列数据。它在时间序列分类、聚类、相似性分析等任务中都有广泛的应用。

对PHM2012轴承数据集使用格拉姆角场将时间序列转换为二维图像，便于使用图像的方法进行轴承RUL预测

1.归一化：最大最小归一化，归一化范围为(0,1)或(-1,1)

对每个csv文件进行归一化处理

2.PAA（Piecewise Aggregate Approximation）

PAA是一种降维技术，可以将原始时间序列数据转换为更短的表示形式，从而减少数据的复杂性。通过将时间序列数据分段并对每个段进行平均，可以得到PAA表示。

3.计算GAF值，分为格拉姆角场和与格拉姆角场差

计算角场和或角场差

4.保存图片，将每个csv文件名作为图片的名字。

5.参数简单，仅需要输入数据集所在文件夹名字、图片要存储的文件夹名、PAA分段长度、求格拉姆角场和或差的参数，保存图片的dpi设置。

附需要设置的参数

# 文件地址
dir_path = r'F:\PHM_2012轴承数据集\Learning_set\Bearing1_1'
# 计算gaf前的归一化方法0为（0，1）归一化；1为（-1，1）归一化
normalized_method = 0
# PAA分段长度
m = 256
# 拉格母角场和或角场差。0为角场和，1为角场差
gaf_method = 0
# 生成图片存储地址
save_dir = r'F:\PHM_2012轴承数据集\Learning_set\Bearing1_1_figure'
# 保存图片的清晰度
dpi = 600

训练集Bearing1_1，acc_00001格拉姆角场和图像。

训练集Bearing1_1，acc_02803格拉姆角场和图像。

可用于基于实现序列成像的滚动轴承寿命预测，附有代码，包运行