Mechanical-Fault-Diagnosis-Based-on-Deep-Learning:CNN用于机械故障诊断

上传者: 42121725 | 上传时间: 2021-05-27 17:03:07 | 文件大小: 12KB | 文件类型: ZIP
基于深度学习的机械故障诊断 CNN用于机械故障诊断 这些代码用于两篇论文:“基于基于原始传感信号的卷积神经网络的滚动轴承故障智能诊断”(paper_1)和“基于以振动信号的二维表示作为输入的基于卷积神经网络的轴承故障诊断”(paper_2) )。 先决条件,Matlab 2013a,Python 2.7.11,Tensorflow(在ubuntu14.04中更好)。 首先,您应该运行image_matrix.m来准备自己的数据。 其次,应该使用disorder_images.py和input_bear_data.py将数据变形为张量流的输入格式。 最后,您可以选择为paper_1运行mnist_b.py或mnist_c.py,为paper_2运行mnist_2d.py。 如果大家对以上研究兴趣,可以进一步参考我的这两篇论文:针对原始振动信号具有良好抗噪和域自适应能力的故障诊断新的深

文件下载

资源详情

[{"title":"( 9 个子文件 12KB ) Mechanical-Fault-Diagnosis-Based-on-Deep-Learning:CNN用于机械故障诊断","children":[{"title":"Mechanical-Fault-Diagnosis-Based-on-Deep-Learning-master","children":[{"title":"input_data.py <span style='color:#111;'> 5.66KB </span>","children":null,"spread":false},{"title":"disorder_images.py <span style='color:#111;'> 1.19KB </span>","children":null,"spread":false},{"title":"mnist_b.py <span style='color:#111;'> 3.22KB </span>","children":null,"spread":false},{"title":"mnist_2d.py <span style='color:#111;'> 4.18KB </span>","children":null,"spread":false},{"title":"input_bear_data.pyc <span style='color:#111;'> 4.00KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 1.23KB </span>","children":null,"spread":false},{"title":"mnist_c.py <span style='color:#111;'> 2.93KB </span>","children":null,"spread":false},{"title":"image_matrix.m <span style='color:#111;'> 975B </span>","children":null,"spread":false},{"title":"input_bear_data.py <span style='color:#111;'> 3.28KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明