江南大学轴承数据故障诊断(利用连续小波变换转换为二维图像,再利用CNN进行故障诊断)
2026/5/15 0:28:35 网站建设 项目流程

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:ib

外圈:ob

滚动体: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

小波变换:

以1024的长度分割原始信号,每个类别下生成480个样本,这里为了程序更快运行,选取了每个类别的125个样本,4种类别下一共有500个样本。利用连续小波变换将500个样本变成二维图像,生成500张照片。


利用CNN对图像进行识别。

文件夹介绍:

分别在不同转速下实验

以600转速为例,打开以后是图片文件夹,生成的图像保存在里面,CNN是CNN诊断模型,JNU是利用小波变换生成图片的程序。

600/rpm 数据集

测试集准确率为:80.26%

800/rpm 数据集

测试集准确率为:89.65%

1000/rpm 数据集

测试集准确率为:86.00%

因为本人电脑本身配置比较低,当在一个类别下连续生成480张二维图像时,电脑会出现卡顿,所以只选取了每个类别下的125张图像,如果图像更多,准确率更高。

需要专业的网站建设服务?

联系我们获取免费的网站建设咨询和方案报价,让我们帮助您实现业务目标

立即咨询