东南大学齿轮箱故障诊断（Python代码，MSCNN结合LSTM结合注意力机制模型，代码有注释）_mscnn_lstm_attention模型

运行效果：东南大学齿轮箱故障诊断（Python代码，MSCNN结合LSTM结合注意力机制模型，代码有注释）_哔哩哔哩_bilibili

运行代码要求：

代码运行环境要求：Keras版本>=2.4.0，python版本>=3.6.0

1.东南大学采集数据平台：

 数据

该数据集包含2个子数据集，包括轴承数据和齿轮数据，这两个子数据集都是在传动系动力学模拟器（DDS）上获取的。（第一个文件夹是轴承数据，第二个文件夹是齿轮数据，本次是针对齿轮数据进行故障诊断）

有两种工况，转速-负载配置设置为20-0和30-2。

在每个文件中，有8行信号，分别表示：x、y和z三个方向上行星齿轮箱的1-电机振动、2、3、4-振动、5-电机扭矩、x、y和z三个方向上并联齿轮箱的6、7、8-振动。第2、3、4列信号最有效。

这次实验使用第2列数据。

每种工况下有4种故障状态和1种正常状态。

 code20_0.py是20_0工况下故诊断代码

 code30_2.py是30_2工况下故诊断代码

实验结果

20工况

 

 

 30_2工况下

对代码感兴趣的可以关注最后一行

​​import os
import pandas as pd
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['simhei'] # 添加中文字体为黑体
plt.rcParams['axes.unicode_minus'] =False
Chipped_20_0=pd.read_csv('Chipped_20_0.csv').iloc[17:1048576,:]
Health_20_0=pd.read_csv('Health_20_0.csv').iloc[17:1048576,:]
Miss_20_0=pd.read_csv('Miss_20_0.csv').iloc[17:1048576,:]
Root_20_0=pd.read_csv('Root_20_0.csv').iloc[17:1048576,:]
Surface_20_0=pd.read_csv('Surface_20_0.csv').iloc[17:1048576,:]
#代码及数据集https://mbd.pub/o/bread/ZJyblp1q