MSCNN_LSTM_Attention模型下江南大学数据集轴承故障诊断（Python，TensorFlow框架下，很容易改为其它模型，解压缩后可以直接运行，无需修改数据目录，代码有详细注释）
·
本篇用的MSCNN_LSTM_Attention模型与MSCNN_LSTM_Attention模型下轴承故障诊断（Python，TensorFlow框架下，很容易改为其它模型，解压缩后可以直接运行，无需修改数据目录，代码有详细注释）_深度学习的奋斗者的博客-CSDN博客
这篇文章的MSCNN_LSTM_Attention模型一模一样，网络参数也一致。只是轴承数据集不同。
1.江南大学轴承数据集介绍
采样频率：50khz，采样时间：10s
转速：600 800 1000/rpm
内圈故障：ib
外圈故障：ob
滚动体故障：tb
正常：N
以600转速下的内圈故障数据为例展示：
开始数据
截止数据
3.文件夹
4.效果
600rpm数据集下，总样本数：8000个样本，训练集与测试集比例：7:3
800rpm数据集下，总样本数：8000个样本，训练集与测试集比例：7:3
1000rpm数据集下，总样本数：8000个样本，训练集与测试集比例：7:3
代码运行环境要求
tensorlfow>=2.4.0
python>=3.6.0,
其他库版本无要求
DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐
26
0- 0
已为社区贡献11条内容
所有评论(0)