基于DAE-CNN的滚动轴承多故障诊断方法-matlab版

已于 2023-08-03 17:05:16 修改
阅读量357 收藏 2
点赞数
文章标签： matlab 深度学习 神经网络 机器学习
于 2023-07-31 23:22:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44254494/article/details/132032651
版权

本程序主要采用德国帕德博恩大学轴承数据集，对滚动轴承正常状态、内圈故障、外圈故障数据进行分类，主要涉及样本数据集构建时的多组数据整合，DAE网络的数据降维处理与降噪处理以及CNN网络三卷积层、三池化层、BN、dropoutLayer等参数的调整。利用深度网络对德国帕德博恩大学轴承数据集进行分类得到的不错的效果，后续可以在此基础上进行修改。同时本程序还包括测试集混淆矩阵出图程序、训练过程曲线出图程序、各个部分网络层的tsne降维可视化散点图程序等。使用这类数据集进行故障分类的小伙伴欢迎与我交流~

48e072cf96884e8f9d4dd8c2f6f0b4da.bmp

d1ed48d8abdd4272a8692318c8fda385.bmp

c7e477b7820b41aab54fbe8a4d79ad3e.bmp

52f4d5dfdcec4e66992a4c1415049ffc.bmp

猪猪侠者~
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
轴承信号的包络谱分析、故障特征频率计算以及在帕德博恩（Paderborn）数据集测试
cnjs1994的博客
08-11 2464
从技术原理到matlab、python语言的方法实现，本文细致讲解了包络谱的生成、基于谱峭度的窗参数选择，以及在公开数据集上的测试效果。通过轴承故障频率函数，求解并验证了方法的可行性。
D2Audio针对多媒体PC应用推出DAE-3音/视频平台
12-03
新型DAE-3芯片是D2Audio针对多媒体电脑开发的第二代技术，可整合4个以上的音频和视频元件于单一机身中。  DAE-3智慧型数字放大器体积小，可将4个第一代D2Audio多媒体电脑放大器芯片整合到一颗元件，产生的热量低...
德国-帕德博恩大学轴承数据集解读
热门推荐
ynn4818172的博客
01-30 1万+
德国-帕德博恩大学轴承数据集解读
基于MATLAB的深度自动编码器的无监督轴承异常检测
qq_41043389的博客
05-23 3269
基于MATLAB的DeepLearnToolbox工具箱（https://github.com/rasmusbergpalm/DeepLearnToolbox），本文在此基础上改成深度自动编码器用于无监督学习，即含有多个隐含层的自动编码器，其输入=输出，简称DAE。后续将其用于轴承故障的异常检测中。 1.相关原理 图1 DAE初始化示意图 对于一个含n个隐含层的DAE，训练时分为预训练与微调两个阶段。预训练阶段时，相邻两层可以通过采用一个单隐层的自动编码器(AE)进...
故障诊断数据集研究
weixin_44749271的博客
11-20 2550
论文中的处理方法：取真实故障中的13类故障，每个mat文件中y方向的数据进行提取。一个文件的样子：N15_M07_F10_KA04_1.mat。
稀疏表示（5）之帕德博恩（Paderborn）轴承数据集测试非负矩阵分解(NMF)
cnjs1994的博客
03-07 1004
详细阐述了非负矩阵分解NMF方法的使用，及其在时频图特征提取上的作用。
Matlab：解算微分代数方程 (DAE)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
02-23 344
Matlab：解算微分代数方程 (DAE)
matlab dae,matlab解DAE遇到的问题
weixin_42429956的博客
03-20 478
各位同事：我在解DAE时，用示例1是可以调试出结果的，但是实例2却总是Error using daeic12 (line 77)This DAE appears to be of index greater than 1.Error in ode15s (line 311)[y,yp,f0,dfdy,nFE,nPD,Jfac] = daeic12(odeFcn,odeArgs,t,ICtype,M...
【轴承故障诊断】用于轴承故障诊断的集中时频分析研究（Matlab代码实现）
m0_73907476的博客
06-07 225
在工业旋转机械中，瞬态信号通常对应于初级元件（例如轴承或齿轮）的故障。然而，面对实际工程的复杂性和多样性，提取瞬态信号是一项极具挑战性的任务。本文提出了一种称为瞬态提取变换的时频分析方法，该方法可以有效地表征和提取故障信号中的瞬态分量。该方法基于短时傅里叶变换，不需要扩展参数或先验信息。采用Rennyi熵和峰度等量化指标将所提方法的性能与其他经典和高级方法进行比较。比较表明，所提方法可以提供能量集中度更高的时频表示，并且可以通过明显更大的峰度提取瞬态分量。数值和实验信号验证了该方法的有效性。
基于DAE-BP神经网络的股票预测研究.pdf
09-26
本文主要探讨了一种基于深度自编码器(DAE)和反向传播(BP)神经网络的股票预测方法，该方法旨在处理股票指标数据的高维度和多重共线性问题，从而提高预测精度和降低计算成本。在金融领域，尤其是股票市场，准确预测...
matlab曲线的颜色代码-ITM-CNN:ITM-CNN的官方存储库（ACCV2018）
05-23
2018中提出的ITM-CNN论文的官方项目存储库。 我们提供测试代码以及​​训练有素的砝码。 在PQ-OETF之后，在BT.2020颜色容器中，测试代码从Gamma曲线之后的8位/像素的SDR视频（YUV）生成10位/像素的HDR视频文件（YUV...
基于同步挤压S变换和深度学习的轴承故障诊断.pdf
08-19
所提出的诊断方法能有效地识别轴承的多工况和不同故障程度，其特征提取和识别性能优于人工神经网络（Artificial Neural Network, ANN）、深度信念网络（Deep Belief Network, DBN）、深度自编码器（Deep Autoencoder...
使用 Level-2 M S-functions 在 Simulink 中求解 Index-1 DAE：此示例说明使用 Simulink Level-2 S-function 求解 Index-I DAE-matlab开发
06-01
尽管之前已经有在 Simulink 中解决 DAE 的示例，但没有通过 S-function 解决 DAE 的文档。 此示例使用名为 HB1_DAE_sfun.m 的 S ... 结果与 hb1dae.m 进行了比较，后者是一个基于文本的版本，可用作 MATLAB 的示例。
将PU（帕德博恩）数据集处理为CSV并绘制时频图
Dkzlh的博客
01-15 795
为方便deeplearner学习，将PU数据集（.mat）处理为csv格式并绘制时频图以观察数据特征
matlab使用教程(27)—微分代数方程(DAE)求解
配电网和matlab的博客
08-28 1338
如果您的方程微分指数为 2 或更高，则需要将方程重写为微分指数为 1 的等效 DAE 方程组。通过对方程进行微分，可以消除代数变量，并且如果执行此操作的次数足够多，这些方程将呈现为显式 ODE 方程组。DAE 方程组的微分指数是为了将方程组表示为等效的显式 ODE 方程组必须执行的求导次数。此方程组的微分指数为 1，因为只需y3的一个导数就能使其成为 ODE 方程组。0 指定了不一致的初始条件，则求解器会将这些值作为估计值进行处理，尝试计算接近估计值的一致值，并继续解算该问题。然而，一个明显的例外是使用。
德国 帕德博恩大学 Bearing DataCenter
weixin_39458727的博客
02-27 1919
数据下载链接：https://mb.uni-paderborn.de/kat/forschung/datacenter/bearing-datacenter/研究所和KAt-DataCenter链接的名称：Christian Lessmeier等，KAt-DataCenter：mb.uni-paderborn.de/kat/datacenter，​ PU数据集由Christian Lessmeier 等人提供，用于数据驱动的轴承故障诊断。
matlab求解微分代数方程组,微分代数方程(DAE)的Matlab 解法.PDF
weixin_36068199的博客
03-16 1407
微分代数方程(DAE)的Matlab 解法微分代数方程(DAE)的Matlab解法所谓微分代数方程，是指在微分方程中，某些变量满足某些代数方程的约束。假设微分方程的更一般形式可以写成前面所介绍的ODEs数值解法主要针对能够转换为一阶常微分方程组的类型，故DAE就无法使用前面介绍的常微分方程解法直接求解，必须借助DAE的特殊解法。其实对于我们使用Matlab求解DAE时，却没有太大的改变只需增加一个...
2021-01-13 Matlab求解微分代数方程 (DAE)
qingfengxd1的博客
01-13 3958
Matlab求解微分代数方程 (DAE) 什么是微分代数方程？ 微分代数方程是一类微分方程，其中一个或多个因变量导数未出现在方程中。方程中出现的未包含其导数的变量称为代数变量，代数变量的存在意味着不能将这些方程记为显式形式 y′=f(t,y)。 ode15s和ode23t求解器可以使用奇异质量矩阵M(t,y)y′=f(t,y)来解算微分指数为1的线性隐式问题，包括以下形式的半显式 DAE y′0=f(t,y,z) 0 =g(t,y,z)  在此形式中，由于主对角线存在一个或多个零值，因...
基于注意力机制卷积神经网络结合门控单元CNN-GRU-SAM-Attention实现柴油机故障诊断附matlab代码
最新发布
算法如诗的博客
06-13 578
基于注意力机制卷积神经网络结合门控单元CNN-GRU-SAM-Attention实现柴油机故障诊断附matlab代码
1.2.2 基于深度学习的滚动轴承故障诊断研究现状
05-14
近年来，基于深度学习的滚动轴承故障诊断方法得到了广泛关注和研究。其中，卷积神经网络（Convolutional Neural Networks，CNN）和循环神经网络（Recurrent Neural Networks，RNN）是常用的深度学习方法。 在使用CNN进行滚动轴承故障诊断方面，研究者通常将滚动轴承的振动信号转换为图像形式，再将其输入CNN中进行特征提取和分类。例如，将振动信号转换为时频图像，然后使用CNN对时频图像进行分类。此外，也有研究使用CNN直接对原始振动信号进行特征提取和分类。 在使用RNN进行滚动轴承故障诊断方面，研究者通常将滚动轴承的振动信号作为序列输入RNN中进行特征提取和分类。例如，将滚动轴承的振动信号分成多个时间窗口，将每个时间窗口作为RNN的一个时间步骤输入，然后使用RNN对序列数据进行分类。 除了CNN和RNN，还有一些其他的深度学习方法，如深度信念网络（Deep Belief Networks，DBN）、深度自编码器（Deep Autoencoder，DAE）等，这些方法在滚动轴承故障诊断中也得到了一定的应用。 总的来说，基于深度学习的滚动轴承故障诊断方法具有较高的准确率和鲁棒性，未来还有很大的发展空间。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

猪猪侠者~

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值