一维数据二维化的办法汇总（一）

北漂炼丹青年

已于 2022-12-01 22:52:39 修改

阅读量3.2k

点赞数 4

分类专栏：西储大学故障诊断文章标签： python 人工智能

于 2022-11-12 21:36:48 首次发布

本文链接：https://blog.csdn.net/weixin_50642818/article/details/127825871

版权

西储大学故障诊断专栏收录该内容

22 篇文章 162 订阅 ¥9.90 ¥99.00

订阅专栏

超级会员免费看

本文介绍了用于轴承故障诊断的一维数据二维化方法，包括格拉米角场GAFs（GASF和GADF）和马尔可夫变迁场MTF。通过将一维时序信号转换为二维图像，便于利用图像分类技术进行分析。文章展示了GAFs和MTF生成的图像，并指出这些方法的效果尚待实际数据集测试验证。

摘要由CSDN通过智能技术生成

在轴承故障诊断中，除了对模型进行改进，很多人也会对数据集进行变换。常见的比如说小波时频图，思路是将一维时序信号变换为二维图像，而后便于使用各种图像分类的先进技术。实际上还有很多方法可以进行这种类似的变换，相关的论文我也看到过，但是具体效果如何不好说。最近正在生成相关的数据集，比较耗时，所以先把大概类别贴出来，后续有了数据集以后会进行测试。

0.格拉米角场GAFs

具体的原理我就不写了，有GASF(对应做角度和), GADF(对应做角度差)两种方法进行生成

def show_GASF_GADF(data,k):

    from mpl_toolkits.axes_grid1 import make_axes_locatable
    from pyts.datasets import load_gunpoint
    from pyts.image import GramianAngularField

    gasf = GramianAngularField(method='summation')
    X_gasf = gasf.transform(data)
    gadf = GramianAngularField(method='difference')
    X_gadf = gadf.transform(data)

    plt.figure()
    # plt.suptitle('gunpo