小波时频
文章平均质量分 67
机器鱼
这个作者很懒,什么都没留下…
展开
-
Pytorch基于小波时频图与SwinTransformer的轴承故障诊断
基于小波时频图与当前火热的swintransformer进行轴承故障诊断原创 2022-09-12 10:14:40 · 5553 阅读 · 3 评论 -
基于小波时频图与MLP-Mixer的轴承故障诊断
特征提取部分用到了matlab时频图变换工具箱,故障诊断采用新出的MLP-Mixer分类,这一部分用的是pytorch1.6 传统轴承故障诊断是采用各种特征提取方法对一维轴承信号进行特征提取,如HHT包络谱,FFT频谱,小波能量谱等,变换后的特征依旧是一维数据。本文采用小波时频图将一维轴承信号转换为2维(3通道真彩图)的时频图,然后以60*60*3作为MLP-Mixer的输入实现故障诊断分类,测试集精度有99.5%。 1,数据准备 采用西储大学轴承故障诊断数...原创 2021-05-21 07:26:14 · 2539 阅读 · 3 评论 -
基于小波时频图与VIT vision transformer的轴承故障诊断
特征提取部分用到了matlab时频图变换工具箱,故障诊断采用Google 新出的MLP-Mixer 分类,这一部分用的是pytorch1.6 传统轴承故障诊断是采用各种特征提取方法对一维轴承信号进行特征提取,如HHT包络谱,FFT频谱,小波能量谱等,变换后的特征依旧是一维数据。本文采用小波时频图将一维轴承信号转换为2维(3通道真彩图)的时频图,然后以60*60*3作为CNN的输入实现故障诊断分类,测试集精度有99.5%。 1,数据准备 采用西储大......原创 2021-05-20 17:16:39 · 5865 阅读 · 11 评论 -
基于FFT频谱与小波时频图的双流CNN轴承故障诊断模型
在博客https://blog.csdn.net/qq_41043389/article/details/106150980里,我们提出了采用小波时频图作为轴承信号的故障特征数据,即首先利用matlab提取各样本的小波时频图,如图1所示,然后利用pytorch构建CNN(lenet)模型,最终达到了99%的分类正确率,详情可以看我上面那个说的那个博客。 ...原创 2020-06-11 17:23:02 · 11334 阅读 · 19 评论 -
基于小波时频图与CNN的轴承故障诊断
特征提取部分用到了matlab时频图变换工具箱,故障诊断分类部分用的是pytorch0.4 传统轴承故障诊断是采用各种特征提取方法对一维轴承信号进行特征提取,如HHT包络谱,FFT频谱,小波能量谱等,变换后的特征依旧是一维数据。本文采用小波时频图将一维轴承信号转换为2维(3通道真彩图)的时频图,然后以64*64*3作为CNN的输入,实现分类,运气好的话,测试集精度有99.5%(因为每次训练之后的结果都不一样)。 1,数据准备 采用西储大学轴承故障诊断数据集,48...原创 2020-05-15 22:55:29 · 18759 阅读 · 42 评论