添加注意力机制下的transformer模型，实现轴承故障诊断（Python程序，有非常详细的代码注释，无需修改数据集路径，解压缩后可以直接运行，平均准确率在99.479%以上）

运行效果：添加注意力机制下的transformer模型，实现轴承故障诊断（Python程序，有非常详细的代码注释，无需修改数据集路径，解压缩后可以直接运行，平均准确率在9_哔哩哔哩_bilibili

运行库版本要求

只要pytorch库大于等于1.13.1版本即可，其他库版本无要求。

1.数据集介绍

使用凯斯西储大学轴承数据集，一共有4种（0hp/1hp/2hp/3hp）负载下采集的数据，每种负载下有10种 故障状态：三种不同尺寸下的内圈故障、三种不同尺寸下的外圈故障、三种不同尺寸下的滚动体故障和一种正常状态。

以0hp为例展示

 2.整个项目文件展示

 main.py是训练集训练和验证集验证的程序，并将模型保存在设置的路径

model.py 是本文添加注意力机制下的transformer模型

plot.py是绘制可视化程序脚本，绘制损失曲线、准确率曲线和混淆矩阵

data_set.py和process_data.py是将原始数据处理为一个个样本。

data文件夹装的是原始数据和经process_data.py处理后的数据样本，每个样本长度为1024，并将样本分为训练集、验证集和测试集

result文件夹装的是每次运行实验保存的结果

 

以第一个文件为例打开 

3.模型输出

 

4.效果，平均准确率在99.479%以上，这里以0hp和1hp数据集下实验结果为例进行展示

 0HP数据集

训练集

 验证集

 测试集

 

1HP数据集

训练集

验证集 

  

 测试集

 

 代码和数据集一起放在了压缩包里，对项目感兴趣的可以关注（可以远程协助帮着运行起来)

'''
导入库
'''
import torch
import torch.nn as nn
import torch.optim as optim
import numpy as np
from model import DSCTransformer
from tqdm import tqdm
from data_set import MyDataset
from torch.utils.data import DataLoader
#压缩包：https://mbd.pub/o/bread/ZJ2TmZhs