前言

本文基于凱斯西儲大學（CWRU）軸承數據，先經過數據預處理進行數據集的制作和加載，最后通過Pytorch實現1DCNN-2DResNet并行模型對故障數據的分類。

1 軸承故障數據的預處理

1.1 導入數據

參考之前的文章，進行故障10分類的預處理，凱斯西儲大學軸承數據10分類數據集：

train_set、val_set、test_set 均為按照7：2：1劃分訓練集、驗證集、測試集，最后保存數據

上圖是數據的讀取形式以及預處理思路

1.2 數據預處理，制作數據集

2 基于Pytorch的1DCNN-2DResNet的軸承故障診斷

2.1 定義1DCNN-2DResNet分類網絡模型

2.2 設置參數，訓練模型

50個epoch，準確率100%，用1DCNN-2DResNet并行網絡分類效果顯著，模型能夠充分提取軸承故障信號的全局空間、時頻域和局部特征，收斂速度快，性能優越，精度高，效果明顯!

2.3 模型評估

準確率、精確率、召回率、F1 Score

故障十分類混淆矩陣：

點擊下載：原文完整數據、Python代碼

???https://mbd.pub/o/bread/ZpWakplp????

本文轉載自 建模先鋒，作者： 小蝸愛建模