CWRU的轴承振动数据集读取以及可视化

 

 

import scipy.io as scio
from matplotlib import pyplot as plt

def Raw_data(FilePath):
    data = scio.loadmat(file_path)  # 读取.mat数据
    data_key = list(data.keys())  # 因为mat文件是作为字典储存,所以需要将mat数据字典所有的键并转换为list类型
    print(data_key)
    accl_key = data_key[5]  # 获取'X105_BA_time'键,索引(0,1,2,3,4,5,6)
    accl_data = data[accl_key].flatten() # 获取'X105_BA_time'键在.mat文件所有值,然后将二维数组展平成一维数组
    return accl_data

file_path = r'D:\data\105.mat'
raw_data = Raw_data(file_path)
plt.figure()
plt.plot(raw_data)
print(raw_data)
plt.show()

  • 6
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
针对CWRU轴承数据集的预处理,可以按照以下步骤进行: 1. 读取指定的.mat文件:首先,需要读取CWRU轴承数据集中相应的.mat文件。这些文件包含了轴承故障数据的信息。 2. 标签标注和数据提取:在读取.mat文件后,可以对数据进行标签标注和提取。根据数据的标签,可以将其分为不同的类别,如正常和故障。同时,可以提取出相关的数据特征,以便后续处理和分析。 3. 数据增强处理:为了增加数据的多样性和丰富性,可以对CWRU轴承数据集进行数据增强处理。这可以包括旋转、翻转、添加噪声等操作,以模拟真实工况下的数据变化。 4. 标准化设计:在进行数据分析和建模之前,需要对数据进行标准化处理。这可以包括将数据缩放到特定的范围或均值为0,方差为1等。 5. 对标签为"normal"的数据进行降采样:由于正常数据往往占据大部分,为了平衡样本数量,可以对标签为"normal"的数据进行降采样,以减少样本数量。 请注意,以上步骤是针对CWRU轴承数据集的预处理方法,对于其他数据集可能需要进行相应的调整。同时,在实际应用中,还可以根据具体需求进行进一步的处理和优化。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [滚动轴承振动序列的预处理--CWRU数据集](https://blog.csdn.net/weixin_38292570/article/details/106467326)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [CWRU滚动轴承数据集](https://download.csdn.net/download/Adonisyc/85445800)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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