采用孪生残差网络对美国西储大学轴承故障数据集进行诊断，以实现小样本情况下的故障诊断。完整代码

已于 2023-10-24 16:38:57 修改
阅读量660 收藏 9
点赞数 1
文章标签： 机器人 matlab 神经网络 python 1024程序员节
于 2023-06-28 12:03:34 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_56997902/article/details/131434013
版权

 

实验数据来自美国西储大学轴承故障诊断数据集，48k/0HP，总共10个故障类别。采用MATLAB对数据进行预处理；网络训练环境为python3.7 与 pytorch1.8.0，既可以用CPU也可以用GPU。

file1_data_process.m文件是对原始数据按7:2:1的比例进行划分，并保存在data_process.mat中（下图）。其中第一列2046为样本的维度，第二列2为通道数，第三列为样本个数。

file2_fft_preprocess.m是对划分后的data_process.mat进行FFT变换操作，并将处理后的数据保存在FFT.mat文件中（下图）。

“孪生残差网络.py”即为所提模型。

诊断奋斗者
关注
  • 1
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 27
    评论
有限数据(小样本)的滚动轴承故障诊断与少量学习
04-14
代码文档： 数据集： 凯斯西储大学（CWRU）的轴承故障诊断数据集，划分为4个工况和数据集（A,B,C,D）进行验证。 项目介绍： README.md。 cwru.py： 定义数据集加载函数。 experimentAB.ipynb：实验A和实验B代码。 experimentC.ipynb：实验C代码 experimentD.ipynb：实验D代码 metadata.txt： 在cwru.py文件中使用。 models.py： 定义几率模型和WDCNN模型的加载函数。 siamese.py： 定义几率输入数据的init、几率模型训练和几率模型测试函数。 utils.py： 定义一些实用函数。 tmp： 保存训练后的模型和测试结果。
【文献阅读】不同工作条件下一种基于小样本元学习用于轴承故障诊断的新方法
weixin_45809449的博客
05-17 2457
一种基于数据重构和元学习新的方法DRHRML被提出用于智能轴承故障检测的小样本学习。ISDAE由于其强大的去噪能力、稀疏表示能力和协同分配能力改善了分类准确率。与现有的智能故障诊断方法相比较，RML能够使用少量的样本在不同的条件下准确的诊断轴承故障。
轻量级网络EfficientNetB0，利用迁移学习中的微调技术进行小样本轴承故障诊断（Python代码，带有数据集，训练集集的每类只需10个样本）
qq_40840797的博客
04-28 1635
模型：EfficientNetB0（利用imagenet训练好的参数，冻结高层，只将分类器的参数利用训练集微调，利用整个模型对测试集识别）1. 训练集数量（正常类别：10个，内圈故障：10个，外圈故障：10个，滚动体故障：10个）测试集数量（正常类别：90个，内圈故障：90个，外圈故障：90个，滚动体故障：90个）Roller文件夹里装的是滚动体故障的.mat保存的数据。Inner文件夹里装的是内圈故障的.mat保存的数据。Outer文件夹里装的是外圈故障的.mat保存的数据。
机械故障诊断信号的幅域分析 - 幅值概率密度函数 | 基于python的代码实现，在CWRU轴承数据上实战
m0_47410750的博客
07-28 3212
信号处理，机械故障诊断信号的幅域分析 - 幅值概率密度函数 | 基于python的代码实现，在CWRU轴承数据上实战
Pytorch环境下基于Transformer的滚动轴承故障诊断
weixin_39402231的博客
05-11 2731
Pytorch环境下基于Transformer的滚动轴承故障诊断
小样本故障诊断存在的问题及发展方向
2301_78829506的博客
07-15 912
小样本故障诊断存在的问题及发展方向
【动手教你学故障诊断:Python实现Tensorflow+CNN深度学习的轴承故障诊断（西储大学数据集）（含完整代码）】
qq_34211771的博客
06-09 2万+
动手学基于Python+CNN深度学习的轴承故障诊断（西储大学数据集）（含完整代码）该项目使用tensorflow和keras搭建深度学习CNN网络，并使用西储大学数据集作为训练集和测试集，对西储大学mat格式数据进行处理，将数据放入搭建好的网络中进行训练，最终得到相关故障诊断模型。最近在上故障诊断的课程，老师发给我们西储大学的轴承故障数据集，让我们自己去折腾。正巧前段时间学习了深度学习的课程，因此想着自己搭建一个深度学习的网络来进行相关故障的诊断。查阅相关文献，使用深度学习的故障诊断方法目前主要有两种形式
入门孪生网络Siamese Network，我将会分几个博客来逐步阐述我对孪生网络的理解和应用---初步介绍0
qlkaicx的博客
06-09 2121
孪生网络的英文名字是 “Siamese Network”，其得名来源于 1980 年代的一部电影 “The Man with One Red Shoe”，其中两个孪生兄弟被称为Siamese twins，因为其外表基本相同。由此，孪生网络的设计也是基于两个或多个结构相同的子网络。今天我只是了解了一下孪生网络的基本概念，下一步我将准备写一个基于孪生网络的卷积神经网络的分类程序。实现对数值数据的分类。
深度残差网络智能轴承故障诊断（pytor深度残差故障网络故障诊断）.zip
05-23
这是深度收缩残差网络的pytorch版本的完整实现。数据集为江南大学轴承数据集。
基于深度残差网络的采煤机摇臂齿轮故障诊断-论文
07-08
针对传统的采煤机摇臂齿轮故障诊断方法不能自主提取特征，导致齿轮故障诊断精度和效率不佳等问题，构建了基于深度残差网络（ResNet）的采煤机摇臂齿轮故障诊断模型。通过预激活残差单元模块降低模型的复杂度，使模型...
基于残差BP神经网络的变压器故障诊断
01-14
因此，为了提高变压器故障诊断准确率以及在小样本数据下的诊断性能，提出了基于残差BP神经网络的变压器故障诊断方法。所提方法采用堆叠多个残差网络模块的方式加深BP神经网络的深度，将传统BP神经网络的恒等映射学习...
基于卷积神经网络的轴承故障诊断算法模型研究代码
03-21
基于卷积神经网络的轴承故障诊断算法模型研究代码
基于小波变换和残差神经网络模型的轴承故障诊断.pdf
09-25
机器学习技术在轴承故障诊断中的应用很多，例如使用支持向量机（SVM）对故障类型进行分类，使用 k-近邻算法对故障数据进行分类等。机器学习技术能够自动学习到输入数据的复杂特征，从而提高轴承故障诊断的准确性。 ...
深度学习：人脸识别算法孪生网络（Siamese Network）
ShadyPi的IT笔记
02-27 4365
用孪生网络训练一个相似度计算网络实现人脸识别
用pytorch写一段代码：用CNN网络对电机轴承的一维振动信号做故障诊断，包括：正常、滚动体故障、外圈故障、内圈故障共四类状态，实现给定真实振动信号判别故障类别...
weixin_42581846的博客
02-15 1336
好的，以下是使用 PyTorch 实现的一维振动信号故障诊断代码： import torch import torch.nn as nn import torch.optim as optim # 定义 CNN 模型 class Net(nn.Module): def __init__(self): super(Net, self).__init__() ...
用pytorch写一段代码：以西储大学CWRU轴承故障的振动信号数据库作为模型的训练集，故障类型标签包括：正常、内圈故障、外圈故障和滚动体故障四类。首先将一维故障信号转换为二维灰度图作为CNN模型的输...
weixin_35757191的博客
02-15 1355
import torch import torch.nn as nn from torch.utils.data import DataLoader# 加载CWRU轴承故障训练数据 cwru_dataset = load_cwru_dataset()# 将一维信号转换为二维灰度图 def convert_1d_to_2d(data): # ...# 将数据集中的一维信号转换为二维灰度图 c...
浅谈残差网络(Residual Network)
空字符
09-23 6161
最近看了一些有关ResNet的博客和文章，目的在于想要弄清楚 ①为什么出现了残差网络？ ②残差网络的思想 1.为什么出现了残差网络？ 在深度学习领域，一直以来（直觉上）就认为：网络层数越深提取到的特征就应该越高级，从而最终的效果就应该更好。不然也不会有从一开始LeNet5的5层网络发展到了后来的VGG的19层网络。于是为了达到更好的网络效果，deeper们又开始加深网络的层数，可这次迎来的确不是网...
论文笔记：孪生神经网络(Siamese Network)
热门推荐
hongbin_xu的博客
10-01 4万+
Siamese Network 原文：《Learning a Similarity Metric Discriminatively, with Application to Face Verification》 1、四个问题 要解决什么问题？ 用于解决类别很多（或者说不确定），然而训练样本的类别数较少的分类任务（比如人脸识别、人脸认证） 通常的分类任务中，类别数目固定，且每类下的样本数也较多（...
Simscape Multibody与RigidBodyTree：机器人建模
最新发布
FL1717的博客
06-10 342
这篇文章主要介绍利用SimMechanics/Multibody搭建二连杆平面臂的仿真环境。3. SimMechanics/Multibody二连杆平面臂仿真_机器人双连杆仿真-CSDN博客。
matlab西储大学轴承数据CEEMDAN分解
04-05
CEEMDAN（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise）是一种用于信号处理和数据分析的方法，它可以将非线性和非平稳信号分解成多个固有模态函数（Intrinsic Mode Functions，简称IMFs）。这种分解方法可以帮助我们更好地理解信号的特征和结构。 西储大学轴承数据是一个常用的数据集，用于轴承故障诊断和预测。CEEMDAN分解可以应用于这个数据集，以提取出轴承故障信号中的不同频率成分和特征。 在MATLAB中，可以使用CEEMDAN分解来处理西储大学轴承数据。以下是一些步骤： 1. 导入数据：首先，将轴承数据导入MATLAB环境中。可以使用MATLAB的文件读取函数（如`csvread`或`readtable`）来读取数据文件。 2. CEEMDAN分解：使用MATLAB的信号处理工具箱中的CEEMDAN函数对轴承数据进行分解。该函数会将信号分解成多个IMFs和一个残差项。 3. 分析IMFs：对于每个IMF，可以进行进一步的分析和处理。可以计算每个IMF的频谱特性、能量分布等。 4. 故障诊断和预测：根据分析结果，可以判断轴承是否存在故障，并进行故障预测。

“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 27
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
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