轴承故障诊断 EMD-CNN-Transformer故障分类模型

作品简介

此代码已经继续加入 凯斯西储大学（CWRU）轴承故障诊代码全家桶：https://mbd.pub/o/bread/mbd-ZZiXm55w

全家桶包括以下内容：28个模型，全网最低价，性价比极高！！！

1.Python-凯斯西储大学（CWRU）轴承数据解读与分类处理 (mbd.pub)

2.Python轴承故障诊断时频图像处理-短时傅里叶变换STFT (mbd.pub)

3.Python轴承故障连续小波变换-代码与时频图像分类 (mbd.pub)

4.Pytorch-LSTM轴承故障一维信号分类 (mbd.pub)

5.Pytorch-CNN轴承故障一维信号分类 (mbd.pub)

6.Pytorch-Transformer轴承故障一维信号分类 (mbd.pub)

7.Python基于EMD-CNN轴承故障分类 (mbd.pub)

8.Python基于EMD-LSTM轴承故障分类 (mbd.pub)

9.EMD-Transformer轴承故障分类 (mbd.pub)

10.EMD-CNN-LSTM的轴承故障分类模型 (mbd.pub)

11.EMD-CNN-GRU并行的轴承故障分类模型 (mbd.pub)

12.轴承故障识别:基于CNN-Transformer的一维故障信号诊断模型 (mbd.pub)

13.Python轴承故障诊断 (17)基于TCN-CNN并行的一维故障信号识别模型-数据 (mbd.pub)

14轴承故障诊断 -SVM故障分类模型 (mbd.pub)

15.轴承故障诊断 -随机森林故障分类模型 (mbd.pub)

16.轴承故障诊断 -TCN故障分类模型-数据 (mbd.pub)

17.轴承故障诊断 CNN-LSTM故障分类模型 (mbd.pub)

18.轴承故障诊断 -LSTM-Attention故障分类模型 (mbd.pub)

19.轴承故障诊断 -CNN-Attention故障分类模型 (mbd.pub)

20.轴承故障诊断 CNN-BiGRU故障分类模型 (mbd.pub)

21.轴承故障诊断 TCN-LSTM故障分类模型 (mbd.pub)

22.轴承故障诊断TCN-Attention故障分类模型 (mbd.pub)

23.Python基于CNN-TCN串行轴承故障分类 (mbd.pub)

24.轴承故障诊断EMD-CNN-TCN串行分类模型 (mbd.pub)

25.轴承故障诊断 EMD-TCN-GRU串行分类模型 (mbd.pub)

26.轴承故障诊断 EMD-CNN-Transformer故障分类模型 (mbd.pub)

27.轴承故障诊断TCN-Attention故障分类模型 (mbd.pub)

28.Python基于EMD-TCNN轴承故障分类 (mbd.pub)

包括 完整的CWRU轴承故障数据集， 以及已经生成制作好的故障信号数据集、分类数据和标签集，对应代码均可以运行

故障诊断模型更新：基于EMD分解+CNN-Transformer分类模型的详细教程！


导读.png

前言

本期主要更新基于  Python 的凯斯西储大学（CWRU）轴承数据+EMD-CNN-Transformer分类模型教程！

封面.png

我们新增了数据集和预处理的详细教程、jupyter 代码教程、pycharm 代码教程， 进行了比较规范的基于 Pycharm 编辑器进行实现的代码，并且优化了训练过程的代码。同时补充了关于CNN-Transformer模型及参数的讲解视频，方便同学们入门学习！请同学们更新后按照视频教程进行运行！

面包多.png


● 数据集：凯斯西储大学（CWRU）轴承数据集

● 环境框架：python 3.11  pytorch 2.1 及其以上版本均可运行

● 准确率：测试集99%

● 使用对象：初学者、论文需求、毕业设计需求者

● 代码保证：代码注释详细、即拿即可跑通。


1 更新简介

1.1 新增视频教程：

讲解视频.png

增加了详细的视频教程，深入浅出的讲解，可以最为故障诊断系列模型的入门级学习教程 ！新增CNN-Transformer并行模型参数介绍！


1.2 jupyter 代码更新：

（1）增加数据集可视化讲解

10分类故障图.png


（2）优化训练代码

模型训练.png

经过优化后的训练代码，大大缩短了训练的时间！


1.3 pycharm 代码更新：

代码优化.png

我们严格按照 完整的 GitHub- Pytorch深度学习项目结构，重新编写了代码，方便大家学习养成规范的代码编写习惯！后续如有需要编写论文的开源代码，也可仿照重构代码！


2 轴承数据加载与预处理

2.1 导入数据

参考之前的文章，进行故障10分类的预处理， 凯斯西储大学轴承数据 10分类数据集：

10分类故障图.png

train_set、val_set、test_set 均为按照7：2：1划分训练集、验证集、测试集，最后保存数据


2.2 故障EMD分解可视化

EMD 分解.png


2.3 故障数据的EMD分解预处理

由结果可以看出，大部分信号样本 都分解出8个分量，将近1/3的信号分解的不是8个分量。EMD设置不了分解出模态分量的数量（函数自适应），为了使一维信号分解，达到相同维度的分量特征，有如下3种处理方式：

  • 删除分解分量不统一的样本（少量存在情况可以采用）；
  • 对于分量个数少的样本采用0值或者其他方法进行特征填充，使其对齐其他样本分量的维度（向多兼容）；
  • 合并分量数量多的信号（向少兼容）；


本模型采用第二、三条结合的方式进行预处理，即删除分量小于7的样本，对于分量大于7的样本，把多余的分量进行合并，使所有信号的分量特征保持同样的维度。

数据预处理.png

3 基于EMD+CNN-Transformer的诊断模型

3.1 定义EMD+CNN-Transformer网络模型

模型定义.png


3.2 设置参数，训练模型

模型训练.png

50个epoch，准确率100%，EMD+CNN-Transformer 网络分类效果显著 ， 模型能够充分提取轴承故障信号的多尺度特征，收敛速度快，性能特别优越， 效果明显 。


3.3 模型评估

（1）准确率、精确率、召回率、F1 Score

模型评估.png

（2）故障十分类混淆矩阵：

混淆矩阵.png


4 下载更新地址

单独下载地址：

https://mbd.pub/o/bread/ZpWXlZdt

我们将代码、数据已经打包好，在如下全家桶里面进行了更新，请购买过全家桶的同学及时更新下载！

34 个经典轴承故障诊断模型合集 | 全网性价比之王图片下载链接：

https://mbd.pub/o/bread/ZZiXm55w


往期精彩内容：

END


1. 版权声明：原创不易，转载请注明转自微信公众号[建模先锋]

2. 喜欢的朋友可以点个关注，给文章点个“在看”，分享朋友圈或讨论群

3. 关注微信公众[建模先锋], 回复”轴承故障“免费获取凯斯西储大学轴承数据集


创作时间：