东南大学齿轮箱故障诊断（Python代码，CNN结合LSTM模型）

运行代码要求：

代码运行环境要求：Keras版本>=2.4.0，python版本>=3.6.0（可以远程协助运行）

1.东南大学采集数据平台：

 数据

该数据集包含2个子数据集，包括轴承数据和齿轮数据，这两个子数据集都是在传动系动力学模拟器（DDS）上获取的。（第一个文件夹是轴承数据，第二个文件夹是齿轮数据，本次是针对齿轮数据进行故障诊断）

有两种工况，转速-负载配置设置为20-0和30-2。

在每个文件中，有8列信号，分别表示：x、y和z三个方向上行星齿轮箱的1-电机振动、2、3、4-振动、5-电机扭矩、x、y和z三个方向上并联齿轮箱的6、7、8-振动。第2、3、4列信号最有效。

这次实验使用第2列数据。

 

 经过不重叠切割（1024长度），每种类别下有5000个样本（训练集和测试集比例：4:1），20_0和30_2两种工况数据集下均有4种故障类型、1种正常类型。这次实验在工况20-0下数据集实验。

2.模型

 3.效果

 

 

测试集以准确率的形式呈现混淆矩阵 

测试集以样本个数的形式呈现混淆矩阵  

 

对项目感兴趣的，可以关注最后一行

import pandas as pd
import pandas as pd
import numpy as np
from keras.utils import np_utils
from sklearn import preprocessing
from matplotlib import pyplot as plt
#数据集和压缩包：https://mbd.pub/o/bread/ZJyTlJ1q