本文介绍了如何借助Edge Impulse平台，利用深度学习（CNN）对轴承故障进行诊断。首先，数据从.mat格式转换为.csv，然后进行预处理。在Edge Impulse平台上创建工程并选择时间序列数据类型，上传裁剪后的数据集进行模型训练。经过调整训练参数，最终得到约78%准确率的模型。部署方案简单便捷。
简介
参考为文章内容为知乎的深度学习（CNN）进行轴承故障诊断
因为之前使用过openmv合作的edge impulse平台训练过几个简单的模型，环境不用配置，方法也简单，因此复现一下。
数据处理：mat转csv
这里参考的是怎么把.mat 转化成.csv格式
利用matlab的函数将知乎文章提供的数据集转换成edge impulse平台支持的数据集格式
原始数据
原始数据集是很大的，并且根据之前几次训练经验来看，数据集权重也会影响精确度，原始数据中normal的大小最大，内圈和外圈的大小差不多。为了方便我将它们进行了裁剪
进一步处理
裁剪后三个数据集行数上相同，以及为了方便后续处理，将数据轴第一行都命名为了data
最低0.47元/天 解锁文章
扫一扫
3174
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
