本篇用的MSCNN_LSTM_Attention模型与MSCNN_LSTM_Attention模型下轴承故障诊断(Python,TensorFlow框架下,很容易改为其它模型,解压缩后可以直接运行,无需修改数据目录,代码有详细注释)_深度学习的奋斗者的博客-CSDN博客
这篇文章的MSCNN_LSTM_Attention模型一模一样,网络参数也一致。只是轴承数据集不同。
1.江南大学轴承数据集介绍
采样频率:50khz,采样时间:10s
转速:600 800 1000/rpm
内圈故障:ib
外圈故障:ob
滚动体故障:tb
正常:N
以600转速下的内圈故障数据为例展示:
开始数据
截止数据
3.文件夹
4.效果
600rpm数据集下,总样本数:8000个样本,训练集与测试集比例:7:3
800rpm数据集下,总样本数:8000个样本,训练集与测试集比例:7:3
1000rpm数据集下,总样本数:8000个样本,训练集与测试集比例:7:3
代码运行环境要求
tensorlfow>=2.4.0
python>=3.6.0,
其他库版本无要求
对代码和数据感兴趣的可以关注
import numpy as np
import pandas as pd
#from sklearn.model_selection import train_test_split
from collections import Counter
import pywt
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['simhei'] # 添加中文字体为黑体
plt.rcParams['axes.unicode_minus'] =False
#压缩包https://mbd.pub/o/bread/mbd-ZJyalZ5s