利用python整理凯斯西储大学（CWRU）轴承数据，制作数据集

1 前言

大多数文献用CWRU数据制作数据集的思路是差不多的，这里就说一个最常见的：用窗口滑移的方式制作样本，例如每2048个采样点为一个样本。（吐槽一下：我本来以为这个实验是做了好多轴承的实验结果呢，没想到同种情况就只有一个轴承，样本是部分重叠的情况下切出来的，话说这种样本训练出的结果真的可靠吗？）

2 制作数据集

因为最近在尝试LSTM，所以最后做出来的数据集是又分了时间步的，但是不需要的小伙伴可以忽略这一步的操作。

2.1 下载数据，初步处理

官方连接：https://csegroups.case.edu/bearingdatacenter/pages/download-data-file
或者我上传的：https://pan.baidu.com/s/1Faygebmjw3kEPli6ikM0eA
提取码：gdsk

因为我的需求是十种状态，每种状态有120个样本，每个样本2048个采样点，所以选择了12kHz驱动端的数据，利用matlab简单处理了一下，得到了10×121048的.mat文件（千万别问我121048怎么算出来的。。。）

2.2 上代码

import numpy as np
import scipy.io as scio
from random import shuffle

def normalize(data):
    '''(0,1)normalization
    :param data : the object which is a 1*2048 vector to be normalized 
    '''
    s= (data-min(data)) / (max(data)-min(data))

    return  s


def cut_samples(org_signals):
    ''' get original signals to 10*120*2048 samples, meanwhile normalize these samples
    :param org_signals :a 10* 121048 matrix of ten original signals 
    '''

    results=np.zeros(shape=(10,120,2048))
    temporary_s=np.zeros(shape=(120,2048))

    for i in range(10):
        s=org_signals[i]