精华内容
下载资源
问答
  • 包含凯斯西储大学轴承数据中心全部数据的说明文件。
  • 本资源整理了西储大学轴承的各项数据以及数据说明,内容清晰全面,有助于各类需要人士进行分析研究,提高自己的科研水平。
  • 美国凯斯西储大学轴承数据,本人论文亲测,好用.
  • 小波降噪,运用小波工具将图像进行分层处理,可以得到降噪后的图像,含有凯斯西储大学轴承数据
  • 该数据集为美国凯斯西储大学轴承数据集,用来进行轴承故障诊断算法的开发与验证。
  • 12k Fan End Bearing Fault Data凯斯西储大学轴承数据风扇端12k的数据集。
  • 凯斯西储大学轴承数据集.mat文件, 官网没有提供合集下载形式,是以表格形式呈现,手动下载需要分别建立文件夹,单独下载并改名,本资源已经将上述工作完成整合出压缩包供大家下载。
  • 针对凯斯西储大学轴承数据集的描述
  • 凯斯西储大学轴承数据中心全部数据的说明文件,matlab源码
  • 凯斯西储大学轴承数据具体处理过程 本文阐述处理类似凯斯西储大学的轴承数据(一维时间序列信号)的一种方法(结合CNN使用)。 原信号在数据文件中是以mat文件呈现,如果想具体查看文件里面放的什么数据,可以用...

    凯斯西储大学轴承数据具体处理过程

    本文阐述处理类似凯斯西储大学的轴承数据(一维时间序列信号)的一种方法(结合CNN使用)。

    原信号在数据文件中是以mat文件呈现,如果想具体查看文件里面放的什么数据,可以用MATLAB打开来看一下。

    如何将原始数据文件处理成可用的数据格式呢?

    1、先用MATLAB将读出数据文件的内容
    Y=load(‘E:\电脑桌面\实验资料\轴承数据\12kF_0hp\ball_014.mat’);
    此时可以在工作区中查看数据到底长什么样子。
    然后可以将数据保存为TXT格式的文件。
    save(‘E:\MATLAB_Code\1.txt’,‘Y’)

    2、再用python中的函数处理(其实第一步有点脱裤子那啥了,直接在python中处理也是可以的)
    此时只需从文件中读出数据(这里的np是numpy模块的缩写哦!)
    data0 = np.loadtxt(“E:\MATLAB_Code\1.txt”,dtype=‘float32’) (注意需要两个反斜杠)
    然后将数据变个形就可以了
    data0 = data0.reshape(len(data0)//50,50) (这里是将原时间序列的数据处理成每50个一组,共有len(data0)/50组,注意这里是整除哦)
    此时数据文件算是处理好了,那怎么打上标签呢?

    3、数据标签处理
    为了后续方便标签的使用,这里通过one-hot编码方式输出对应标签(具体什么是one-hot百度下就好了)

    label0 = np.ones((len(data0),1)) * 0   #这里是打上数据类别 0 的标签,后续类别1,2,3也是类似的,把0替换成1,2,3即可
    label0 = label0.astype(int)  
    label0 = np.eye(4)[label0]   # 这里的4是指你准备打4类标签
    label0 = label0.reshape(len(label0),4)  
    

    到现在为止,数据和标签就搞定了,你保存后就可以尽情的玩耍了!
    嗯?保存?怎么保存??
    好吧

    np.savetxt("data0.txt", data0)
    np.savetxt("label0.txt", label0)
    

    因为此时是TXT文件,你直接打开文件来看处理过后的数据。也可以在python里面打印数据的shape看一看。
    现在差不多大功告成了吧!
    等等。。。
    谁会只用1类数据呢??怎么也得4类吧!
    很明显,其他类的数据也是类似处理,当你想将所有的数据文件拼接在一起时,可以使用函数
    data0_3 = np.vstack((data0,data1,data2,data3))
    这样,针对凯斯西储大学的轴承数据就处理完毕啦,去耍吧!

    总结代码:

    data0 = np.loadtxt("E:\\MATLAB_Code\\1.txt",dtype='float32')  #(注意需要两个反斜杠,打开的文件就是前文MATLAB输出的)
    data0 = data0.reshape(len(data0)//50,50)   #(这里是将原时间序列的数据处理成每50个一组,共有len(data0)/50组,注意这里是整除哦)
    label0 = np.ones((len(data0),1)) * 0   #这里是打上数据类别 0 的标签,后续类别1,2,3也是类似的,把0替换成1,2,3即可
    label0 = label0.astype(int)  
    label0 = np.eye(4)[label0]   # 这里的4是指你准备打4类标签
    label0 = label0.reshape(len(label0),4)  
    np.savetxt("data0.txt", data0)
    np.savetxt("label0.txt", label0)
    
    展开全文
  • 凯斯西储大学轴承数据的疑问

    千次阅读 2019-05-29 11:35:51
    ①在使用凯斯西储大学轴承数据进行CNN故障分类时,训练的准确率从开始的慢慢增长,一直到训练几百次之后,准确率会骤降,突然降低到0.1左右,然后一直保持很低的状态,大概是训练模型不起作用了。 本以为是过拟合的...

    这里有两个问题:
    ①在使用凯斯西储大学轴承数据进行CNN故障分类时,
    训练的准确率从开始的慢慢增长,一直到训练几百次之后,准确率会骤降,突然降低到0.1左右,然后一直保持很低的状态,大概是训练模型不起作用了。
    本以为是过拟合的问题,但是添加了dropout之后依然没有效果,模型从2层加到3层4层依然没有什么效果,batchsize也一直在修改,参数也尝试着去调整仍然得不到解决。
    求指点
    ②凯斯西储大学的轴承数据我打开来看了一下,至少人眼看上去各个不同故障类型的数据,并没有什么很大的差别,是不是数据要进行某些特殊的处理呢?
    求指点

    展开全文
  • 凯斯西储大学(CWRU)轴承中心的轴承实验室经典数据,包含起官网提供的所有数据,包括正常数据,12k采集的驱动端数据,48k采集的驱动端数据,12k采集的风扇段数据轴承正常时候的振动数据。文件比较大,耐心下载。
  • 凯斯西储大学轴承数据处理+自制CNN数据集

    万次阅读 热门讨论 2019-05-29 11:25:34
    对于凯斯西储大学轴承数据的下载,现在网上随便一个帖子都可以下载到。 在下载数据的时候,发现里面分了正常数据、驱动端、风扇端等类别,然后在具体的某一类,比如驱动端里面又区分了不同类别的故障数据。具体可以...

    对于凯斯西储大学轴承数据的下载,现在网上随便一个帖子都可以下载到。
    在下载数据的时候,发现里面分了正常数据、驱动端、风扇端等类别,然后在具体的某一类,比如驱动端里面又区分了不同类别的故障数据。具体可以参见相关说明,或者参见其他帖子。
    然后下载其中某一个类别的某一个故障数据文件后,文件类型是.mat格式,可以使用MATLAB打开,打开后发现里面又区分了三种类型的数据,在这里插入图片描述
    如上图,这里不太清楚为什么在已经区分了正常、驱动端、风扇端数据类别的情况下,文件里面还要再分成这几类????难道又分了不同位置的故障数据?有点搞不清
    当然,如果需要进行处理这些数据,用来机器学习、CNN的话,并不是需要网站中的所有数据,自然可以只选择我们需要的,比如选择驱动端+0HP的故障数据
    处理数据步骤为:
    ①对于数据的处理,由于轴承信号数据是时间序列的数据,但是在训练使用的时候有些不方便,这里我是把同一类别的数据随机分组,将一维的序列分成二维,具体一组多少数据,看自己分类吧。下载的文件每一个都进行如此操作(可以使用程序在调用数据的时候处理)。
    ②然后将每个类别的数据文件对应建立标签文件。
    ③这样处理之后,每一类故障数据都对应着一个数据文件和一个标签文件,然后将所有类别的数据文件整合到一起组合成训练网络需要的数据集,再将数据集按比例分成训练集和测试集即可。
    以上为使用凯斯西储大学自制数据集的过程,如有错误,还请大佬指点,欢迎交流!!

    展开全文
  • 看前面关于CWRU数据的博客,大家讨论的如此热烈,这里我就再分享一个可以批量处理凯斯西储大学轴承数据的方法(MATLAB实现)! 经过整理,官网上的数据大概如下: 其中每个文件夹均有各自状态下的数据集,如下: ...

    看前面关于CWRU数据的博客,大家讨论的如此热烈,这里我就再分享一个可以批量处理凯斯西储大学轴承数据的方法(MATLAB实现)!
    经过整理,官网上的数据大概如下:
    在这里插入图片描述
    其中每个文件夹均有各自状态下的数据集,如下:
    在这里插入图片描述
    这里我们在MATLAB中随意打开一个文件康康它长什么样子。哦,大概是这个鬼样子
    在这里插入图片描述
    那么问题来了,如何仅仅提取我们需要的某一类数据呢?
    好!如果你需要驱动端(DE)的数据,那你只需要X118_DE_time这个变量下的数据即可。
    所以接下来就步入正题(前面也许是废话,凑字数)!
    **整体思路如下:

    1. 首先把你的数据文件都放在同一文件夹下,然后读取该文件夹。
    2. 获取每一个文件的名字,并读取文件
    3. 获取文件中的变量名,并找到你想要的那个X118_DE_time
    4. 读取数据,写入新的文件**

    啥也不说了,直接上代码

    namelist = dir('文件夹位置\*.mat');  % 这里会返回name、date、bytes等参数
    len = length(namelist);  % 得到共有多少个文件
    for i = 1:len  % 依次加载文件
        file_name = namelist(i).name;  % 读取文件名
        route = '文件夹位置';
        file_route = strcat(route, file_name);  % 地址组合
        data = load(file_route);  % 加载文件
        fieldsname = fields(data); % 这里data是结构体变量,获取文件的结构体变量名
        for j = 1:length(fieldsname)  % 依次加载变量名
            % 将结构体成员由元胞数组转换成字符串格式
            var_name = cell2mat(fieldsname(j));
            if length(var_name) < 6  % 匹配后7位是否满足条件
                continue
            elseif (strcmp(var_name(end-6:end), 'DE_time'))  %根据变量名后几位匹配
                value = getfield(data,var_name);  % 读取满足条件的变量值
                suffix = char('.txt');
                % 将文件名和后缀组合起来
                new_file_name = strcat(file_name(1:end-4), suffix);
                new_file_route = strcat(route, new_file_name);
                dlmwrite(new_file_route,value,'newline','pc');  % 写入TXT文件
                break
            end
        end
    end
    

    好了,然后打开你的文件夹,一群热乎的数据就提取出来了!
    这么详细的注释笔者怕不是个傻子,溜了
    后续操作见:
    https://blog.csdn.net/qq_41687512/article/details/102917300

    展开全文
  • 包含凯斯西储大学轴承数据中心全部正常运行数据。
  • 在此文章中,主要是对分类凯斯西储大学轴承数据的代码进行讲解,关于数据集的介绍可以参考:美国西储大学轴承数据解读,在此文章中,我们只对 12K 采样频率下的驱动端轴承故障数据进行分类。 另外,当提及外圈故障时...
  • 电机轴承的数据集目前较多采用的是CWRU(凯斯西储大学轴承数据中心)这是一个针对于全球学者的公开数据集,下面给大家分享一下该数据集的获取网址 1....
  • 凯斯西储大学轴承数据故障分类(使用卷积神经网络) TensorFlow实现MNIST识别(softmax) 前情回顾: tensorflow 堆叠自编码器+softmax对mnist数据集进行分类 之前利用tensorflow建立自编码器,再加了分类层,实现了...
  • 包含凯斯西储大学轴承数据中心全部数据,并附有说明文档
  • 包含凯斯西储大学轴承数据中心全部数据,并附有说明文档。
  • 包含凯斯西储大学轴承数据中心的全部数据,并附有说明文档。
  • 12k Drive End Bearing Fault data---DE驱动端12k数据集。
  • 包含凯斯西储大学轴承数据中心全部数据并附有说明文档。
  • 数据分类整理后的合集
  • 之前的一些介绍:tensorflow自编码器+softmax对凯斯西储大学轴承数据进行故障分类 前面研究了一下自编码器,并顺利利用自编码器对轴承数据进行了故障分类,但我们在实际应用时,应用更多的还是堆叠自编码器,而网上...
  • 主要对滚珠轴承的状况分为四类:健康、滚动元件故障、内滚道故障、外滚道故障。 ,数据文件均为Matlab格式(.mat格式)。
  • 数据预处理 我们挑选了同一工况下的五种故障进行分类实验。故障类别如下: 因为该数据是一维的,所以我们要进行一些预处理。有以下步骤: 1.以400个采样点为一个样本,取300个样本(取120000个采样点)2.取200个...
  • 包含凯斯西储大学轴承数据中心全部数据,并附有说明文档。。

空空如也

空空如也

1 2 3 4 5 ... 8
收藏数 150
精华内容 60
关键字:

凯斯西储大学轴承数据