为方便替换自己的数据集,每种方法都用了两种不同保存格式的数据集
1.连续小波变换(母小波函数: wavename='cmor3-3',可以修改为其它的)
1.1.CWRU(凯斯西储数据集),原始数据为.mat数据保存
以0HP数据集为例,
首先对原始数据进行不重叠样本切割(1024的长度) ,正常、内圈故障、滚动体故障和外圈故障每类取100个样本,然后将一维样本经过小波变换转变成图像,也就是生成400张照片,前100张(图像名称0-99.jpg)是正常类型图像,(图像名称100-199.jpg)是内圈故障;(图像名称200-299.jpg)是滚动体故障;(图像名称300-399.jpg)是外圈故障。
目前图像大小是(8,4),代码里有注释,可以修改。
0HP数据集开始位置
0HP数据集截止位置
其它负载(1HP,2HP,3HP数据集与此类似,不再列举)
1.2.JNU数据集(江南大学轴承数据集),表格.csv文件
以600rpm转速数据集为例
首先对原始数据进行不重叠样本切割(1024的长度) ,正常、内圈故障、滚动体故障和外圈故障每类取150个样本,然后将一维样本经过小波变换转变成图像,也就是生成600张照片,前150张(图像名称0-149.jpg)是正常类型图像,(图像名称150-299.jpg)是内圈故障;(图像名称300-449.jpg)是滚动体故障;(图像名称450-599.jpg)是外圈故障。
目前图像大小是(8,4),代码里有注释,可以修改。
江南大学轴承数据集(600rpm数据集开始位置)
江南大学轴承数据集(600rpm数据集截止位置)
对项目感兴趣的,可以关注(两个数据集变换在一起的压缩包)
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
#压缩包:https://mbd.pub/o/bread/mbd-ZZ2Ykplt
2.1.灰度图像生成(待续)
3.1.格拉姆角场(待续)
4.1马尔科夫变迁场(待续)
5.1.傅里叶变换(待续)