格拉姆角场GAF将时序数据转换为图像并应用于东南大学轴承故障诊断（Python代码，CNN模型）_格拉姆场变换

 1.运行效果：格拉姆角场GAF将时序数据转换为图像并应用于东南大学轴承故障诊断（Python代码，CNN模型）_哔哩哔哩_bilibili

环境库

只要tensorflow版本大于等于2.4.0即可运行 

2.GAF的内容

GAF是一种用于时间序列数据可视化和特征提取的技术，通常用于时间序列分类和分析。

GAF的基本思想是将时序数据转换为角度矩阵，然后将这个矩阵可视化为图像。这种可视化方式有助于人们更好地理解和分析时间序列数据。GAF的一种常见用法是在机器学习任务中，将时间序列数据转换为图像特征，然后使用这些特征进行分类、回归或聚类等任务。

3.数据集

 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，本次是针对轴承数据进行故障诊断）

 ​

 本实验主要是利用轴承数据(第一个文件夹的数据)进行故障诊断，轴承具体数据

有两种工况，转速-负载配置设置为20-0和30-2。

每种工况下有：ball(滚动体故障)、health(健康)、inner(内圈故障)、outer(外圈故障)

​ 20-0工况文件夹

picture_CNN.py主要功能：首先利用1024的固定长度不重叠切割原始数据，生成一维样本，然后利用GAF将一维样本转变成二维图像的程序，然后利用CNN进行故障诊断。

images文件夹（每类300张，一共1200张照片）

 随意选取一张展示

运行结果(训练集与测试集为：4:1)

 

测试集混淆矩阵 

​ 20_0工况下跑3次实验，测试集平均准确率为97.89%

30-2工况文件夹 

picture_CNN.py主要功能：首先利用1024的固定长度不重叠切割原始数据，生成一维样本，然后利用GAF将一维样本转变成二维图像的程序，然后利用CNN进行故障诊断。

images文件夹（每类300张，一共1200张照片）

随意选取一张

 

运行结果（训练集与测试集为：4:1）

 

 

测试集混淆矩阵 

 30_2工况下跑3次实验，测试集平均准确率为97.58%

对项目感兴趣的，可以关注最后一行 

 
from scipy.io import loadmat
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
import numpy as np
import tensorflow as tf
import pickle
import numpy as np
import matplotlib.pyplot as plt
import scipy.signal as scisig
from mpl_toolkits.axes_grid1 import make_axes_locatable
from pyts.datasets import load_gunpoint
#代码和数据集的压缩包：https://mbd.pub/o/bread/ZJ6bmZlr