轴承故障诊断（一维时序信息结合二维图像实现故障诊断，python编程，十分类）

 运行效果：轴承故障诊断（一维时序信息结合二维图像实现故障诊断，python编程，十分类，每行代码都有详细中文注释，Tensorflow框架）_哔哩哔哩_bilibili

运行环境库要求：TensorFlow>=2.4.0即可

1.模型介绍：

2.数据集介绍（凯斯西楚大学数据集，实现对12k采集频率下四种负载的诊断，同时也实现对48k采集频率下数据的诊断）：十分类

0HP装载的是经sign_cwtimg.py生成的小波图像，已经划分好训练集和测试集

一维信号样本在生成小波图像的时候，对应的也会保存在.npy文件

0HP_x_test_1D：装0HP测试集的一维数据

0HP_x_train_1D.npy:装0HP训练集的一维数据

其它.npy文件也是如此。

Code.py_0HP.py是0HP数据集故障诊断代码，Code.py_1HP.py是1HP数据集故障诊断代码，Code.py_2HP.py是2HP数据集故障诊断代码，Code.py_3HP.py是3HP数据集故障诊断代码，Code.py_48k.py是48k数据集故障诊断代码

其它.py是也是如此。

0文件夹装的是0HP下原始的数据（包含十种故障），如下图所示

同理，1-3文件夹也是装的各种负载下的原始数据

3.效果：数据总体分为训练集，验证集，测试集（6:1:3）

0HP数据集

训练集与验证集的准确率曲线

 

测试集混淆矩阵

 

测试集准确率和打印测试集F1_SCORE报告

 

1HP数据集

训练集与验证集的准确率曲线

训练集与验证集的损失曲线 

 测试集的混淆矩阵

测试集的准确率和打印测试集F1_SCORE报告

2HP数据集

训练集与验证集的准确率曲线

训练集与验证集的损失曲线  

 

  测试集的混淆矩阵

 测试集的准确率和打印测试集F1_SCORE报告

3HP数据集

训练集与验证集的准确率曲线

训练集与验证集的损失曲线   

 

测试集的混淆矩阵 

 

测试集的准确率和打印测试集F1_SCORE报告 

 

 48KHZ

训练集与验证集的准确率曲线

训练集与验证集的损失曲线 

测试集的混淆矩阵 

测试集的准确率和打印测试集F1_SCORE报告

 

from tensorflow import keras
from sklearn.metrics import confusion_matrix
from datetime import datetime
from PIL import Image
import numpy as np
import os
import matplotlib.pyplot as plt
import tensorflow as tf
import random
#可以关注：https://mbd.pub/o/bread/ZJialJlw