位置: IT常识 - 正文

基于深度学习的轴承寿命预测实践,开发CNN、融合LSTM/GRU/ATTENTION

编辑:rootadmin
基于深度学习的轴承寿命预测实践,开发CNN、融合LSTM/GRU/ATTENTION

推荐整理分享基于深度学习的轴承寿命预测实践,开发CNN、融合LSTM/GRU/ATTENTION,希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:,内容如对您有帮助,希望把文章链接给更多的朋友!

关于轴承相关的项目之前做的大都是故障识别诊断类型的,少有涉及回归预测的,周末的时候宅家发现一个轴承寿命加速实验的数据集就想着拿来做一下寿命预测。

首先看下数据集如下:

直接百度即可搜到,这里就不再赘述了。

Learning_set为训练集

Test_set为测试集

我这里为了简单处理直接使用Learning_set作为总数据集,随机划分指定比例作为测试集。

当然了你也可以选择分别读取加载两部分的数据分别作为训练集和测试集都可以的。

每个目录下都是一堆csv文件,样例如下:

样例数据内容如下:

9,11,19,1.1879e+05,0.059,-0.3729,11,19,1.1883e+05,0.603,-0.0859,11,19,1.1887e+05,0.613,0.1129,11,19,1.1891e+05,0.465,0.1859,11,19,1.1894e+05,-0.216,-0.2569,11,19,1.1898e+05,-0.806,0.1779,11,19,1.1902e+05,-0.653,0.1139,11,19,1.1906e+05,-0.007,0.3989,11,19,1.191e+05,0.888,0.1459,11,19,1.1914e+05,1.037,-0.5429,11,19,1.1918e+05,0.299,-0.2019,11,19,1.1922e+05,-0.552,-0.0229,11,19,1.1926e+05,-1.237,0.2649,11,19,1.193e+05,-1.059,0.1559,11,19,1.1934e+05,-0.269,0.1639,11,19,1.1937e+05,0.662,0.2699,11,19,1.1941e+05,0.949,0.0789,11,19,1.1945e+05,0.403,-0.0659,11,19,1.1949e+05,-0.279,-0.4119,11,19,1.1953e+05,-0.856,0.0339,11,19,1.1957e+05,-0.736,0.2019,11,19,1.1961e+05,0.098,0.3269,11,19,1.1965e+05,0.718,-0.1839,11,19,1.1969e+05,0.61,-0.0389,11,19,1.1973e+05,0.201,0.0929,11,19,1.1976e+05,-0.3,0.019,11,19,1.198e+05,-0.378,0.4479,11,19,1.1984e+05,0.149,-0.1899,11,19,1.1988e+05,0.499,-0.4219,11,19,1.1992e+05,0.325,0.0249,11,19,1.1996e+05,-0.265,0.499,11,19,1.2e+05,-0.708,0.4879,11,19,1.2004e+05,-0.443,0.1579,11,19,1.2008e+05,-0.042,-0.4379,11,19,1.2012e+05,0.238,-0.0259,11,19,1.2016e+05,0.46,0.1939,11,19,1.202e+05,0.192,0.0369,11,19,1.2023e+05,-0.093,0.1189,11,19,1.2027e+05,-0.344,0.1489,11,19,1.2031e+05,-0.174,0.1179,11,19,1.2035e+05,-0.029,-0.0269,11,19,1.2039e+05,0.026,0.469基于深度学习的轴承寿命预测实践,开发CNN、融合LSTM/GRU/ATTENTION

关于数据处理可以直接使用官方提供的代码:

%% 批量读取IEEE PHM 2012轴承全寿命数据clcclear allclose all%% 文件夹路径file_path = 'Learning_set/';%% 全寿命振动信号csv_acc_path_list = dir(strcat(file_path,'acc*.csv'));csv_acc_num = length(csv_acc_path_list);%获取文件总数量if csv_acc_num > 0 %有满足条件的文件for j = 1:csv_acc_num %逐一读取文件csv_acc_name = csv_acc_path_list(j).name;% 文件名csv_acc = csvread(strcat(file_path,csv_acc_name));csv_acc_data(:,:,j)=csv_acc;fprintf('%d %d %s\n',csv_acc_num,j,strcat(file_path,csv_acc_name));% 显示正在处理的文件名endend% 合并矩阵 时间*通道channel=6; %信号的通道数csv_acc_data_change=permute(csv_acc_data,[2 1 3]);csv_acc_data=reshape(csv_acc_data_change,channel,prod(size(csv_acc_data))/channel)';%% 全寿命温度信号csv_temp_path_list = dir(strcat(file_path,'temp*.csv'));%获取该文件夹中所有csv格式的文件csv_temp_num = length(csv_temp_path_list);%获取文件总数量delimiter = ',';formatSpec = '%s%s%s%s%s%s%[^\n\r]';if csv_temp_num > 0 %有满足条件的文件for j = 1:csv_temp_num %逐一读取文件csv_temp_name = csv_temp_path_list(j).name;% 文件名csv_temp_fileID = fopen(strcat(file_path,csv_temp_name),'r');csv_temp = textscan(csv_temp_fileID, formatSpec, 'Delimiter', delimiter);for i=1:size(csv_temp{1,1},1)csv_temp_data(i,:,j)=str2num(csv_temp{1,1}{i,1})';endfprintf('%d %d %s\n',csv_temp_num,j,strcat(file_path,csv_temp_name));% 显示正在处理的文件名fclose(csv_temp_fileID);endend% 合并矩阵 时间*通道channel=5; %信号的通道数csv_temp_data_change=permute(csv_temp_data,[2 1 3]);csv_temp_data=reshape(csv_temp_data_change,channel,prod(size(csv_temp_data))/channel)';%% 全寿命振动信号和温度信号的时域图clearvars -except csv_acc_data csv_temp_datafigure;subplot 211;plot(csv_acc_data(:,5));title('水平振动信号');subplot 212;plot(csv_acc_data(:,6));title('竖直振动信号');figure;plot(csv_temp_data(:,5));title('温度信号')

这里我不是很懂数据背景所以就不多解释了,有懂行的可以交流一下。

为了直观分析数据这里对其进行了可视化如下:

完成数据处理之后就可以搭建所需要的模型了,这里出于做实验的目的开发了很多种不同的模型:CNN、CNN-LSTM、CNN-GRU、CNN-LSTM-ATTENTION、CNN-GRU-ATTENTION等,这里以CNN为例简单看下实际的结构:

只使用了两层的卷积来实现特征提取。

效果如下:

loss曲线如下所示:

为了整体方便使用不同系列的模型这里开发了界面将所有模型整合到了一起,如下:

支持训练/测试两种不同的计算模式如下:

支持自定义测试数据占比计算,如下:

支持不同模型自由切换选择,如下:

支持不同可视化选项,如下:

后续有时间话会考虑将一些集成测量加入进来尝试构建更加高效的模型。

本文链接地址:https://www.jiuchutong.com/zhishi/297627.html 转载请保留说明!

上一篇:猿创征文 |【高级篇】Java 进阶之JVM实战(猿创部落科技有限公司)

下一篇:ChatGPT从入门到精通(附PDF文档)(chatcters)

  • 邮政电信业务差距大吗
  • 发票隔月作废怎么操作
  • 国有企业投资方式
  • 发货就要开票吗是真的吗
  • 利润表中持续经营净利润公式
  • 民办非企业业务主管单位职责
  • 旅游企业增值税优惠政策
  • 计提房屋折旧会计分录
  • 公司职员聚餐取个名字
  • 两万元大写金额报销单怎么写
  • 进口货物取得什么证书
  • 金蝶结转损益后怎么进下一期
  • 红利抵免的用法是什么
  • 给子公司员工发放奖金合法吗
  • 生物制品的生产过程及设备
  • 周围的材料分为哪几类
  • 在windows 10中任务栏()
  • 清除不必要的内存
  • 电视柜尺寸一般是多少厘米的
  • 域名怎么交费
  • 建筑业预缴企业所得税表项目金额填合同金额吗
  • 员工福利费会计处理
  • 编制收款凭证的有哪些
  • keyemain.exe是什么
  • php图片加文字水印
  • 怎样把htm文件转成excel
  • php 函数作为参数
  • 现金及现金等价物净增加额为负数
  • 公司购买食品属于什么费用
  • gpts
  • 出口退税后发生退货怎么处理
  • 三类职业指的是什么
  • 利润表年报本期金额填什么
  • 出纳把现金存入私人账户后转公账
  • 机械租赁公司月薪多少
  • 门诊收费票据能重新打印吗
  • 不含税货款要开发票怎么弄
  • 餐饮服务税率是服务类税率还是货物类
  • 原始凭证太多怎么做账
  • 小规模纳税人是简易计税还是一般计税
  • 装修款收不回怎么办
  • 财产租赁合同印花税双方都要交吗
  • 应收贷方余额怎么处理
  • 固定资产的计提折旧方法有哪些
  • 设计费用计入什么会计科目
  • 计提医疗保险费的会计分录
  • 润滑油消费税征收环节税屋
  • 年终缴税比例
  • 企业票据贴现属于什么业务
  • 业务招待费汇算清缴比例
  • 个体工商户注销代办
  • 小微企业的认定标准2023最新
  • 资产负债表所有者权益和利润表关系
  • 实收资本认缴怎么做账,要做账吗
  • 三证合一怎么看税务登记证
  • 工业企业外购材料采购成本包括
  • mysql慢查询日志在哪里
  • windows任务管理器打不开
  • windowxp操作系统
  • xp系统直接开机
  • win8系统无法连接到网络
  • win10怎么关闭防火系统
  • win8 恢复
  • qq2440启动linux后插入u盘出现usb 1-1: device descriptor read/64, error -110,usb 1
  • 无损音乐如何播放
  • win1020h2正式版
  • windows7怎么禁用网络
  • js 箭头表达式
  • 滚动的纸箱
  • nodejs怎么连接mysql
  • shell脚本自动化
  • Javascript Global对象
  • 医院体检怎么拿发票
  • 工信部新车申报目彿
  • 从国外进口设备需要缴纳增值税吗
  • 个人所得税超过12万能退税吗
  • 3.0t交强险
  • 三证合一后还要做什么
  • 如何建立内部控制缺陷认定的定型标准和定量标准
  • 工伤保险怎么补申报
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设