当前位置:   article > 正文

WDCNN结合GRU滚动轴承故障诊断(十分类,Python代码,TensorFlow框架,压缩包包含数据集和代码,解压缩后直接运行)_wdcnn gru

wdcnn gru

项目文件夹:

main_0HP.py、main_1HP.py、main_2HP.py和main_3HP.py是故障诊断主程序,分别对应不同负载的数据,这四个程序只有数据调取路径这行代码不一样,其它部分都相同,只是担心新手不会修改数据路径,因此分成了四个脚本。preprocess.py是数据预处理程序,将原始数据变成一个个样本,被主程序调用。
 

环境库要求:tensorflow>2.4.0即可运行

1.数据集介绍(凯斯西楚大学数据集,包含四种负载数据集)

以0hp为例进行展示,每种负载下包含10种类型(三种不同尺寸下的内圈/外圈/滚动体故障(3*3=9种),正常) 

2.网络结构

3.效果图

每种负载下训练集、验证集与测试集个数均如下所示

0HP数据集

训练集准确率曲线

验证集准确率曲线

测试集准确率

验证集的混淆矩阵

验证集的特征可视化

测试集的混淆矩阵

测试集的特征可视化

1HP数据集

训练集准确率曲线

验证集准确率曲线

测试集准确率

验证集的混淆矩阵

验证集的特征可视化

测试集的混淆矩阵

测试集的特征可视化

2HP数据集

训练集准确率曲线

验证集准确率曲线

测试集准确率

验证集的混淆矩阵

验证集的特征可视化

测试集的混淆矩阵

测试集的特征可视化

3HP数据集

训练集准确率曲线

验证集准确率曲线

测试集准确率

验证集的混淆矩阵

验证集的特征可视化

测试集的混淆矩阵

测试集的特征可视化

对项目感兴趣的,可以关注最后一行

  1. from keras.layers import Conv1D, Dense, Dropout, BatchNormalization, MaxPooling1D, Activation, Flatten,GRU
  2. from keras.models import Sequential
  3. from keras.utils import plot_model
  4. from keras.regularizers import l2
  5. import preprocess
  6. from keras.callbacks import TensorBoard
  7. import numpy as np
  8. #代码和数据集压缩包:https://mbd.pub/o/bread/mbd-ZJeXl5dt

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/天景科技苑/article/detail/829754
推荐阅读
相关标签
  

闽ICP备14008679号