1DCNN-2DResNet并行故障诊断模型

前言

本文基于凯斯西储大学（CWRU）轴承数据，先经过数据预处理进行数据集的制作和加载，最后通过Pytorch实现1DCNN-2DResNet并行模型对故障数据的分类。

1 轴承故障数据的预处理

1.1 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：

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

上图是数据的读取形式以及预处理思路

1.2 数据预处理，制作数据集

2 基于Pytorch的1DCNN-2DResNet的轴承故障诊断

2.1 定义1DCNN-2DResNet分类网络模型

2.2 设置参数，训练模型

50个epoch，准确率100%，用1DCNN-2DResNet并行网络分类效果显著，模型能够充分提取轴承故障信号的全局空间、时频域和局部特征，收敛速度快，性能优越，精度高，效果明显!

2.3 模型评估

准确率、精确率、召回率、F1 Score

故障十分类混淆矩阵：

点击下载：原文完整数据、Python代码

​​​https://mbd.pub/o/bread/ZpWakplp​​​​

本文转载自 建模先锋，作者： 小蜗爱建模