西储大学(CWRU)轴承数据集的数据读取与划分

简介

由于课题原因，最近在学习torch对于轴承故障检测的相关知识，但第一步读取数据以及数据的划分就难到了我，在网上查找相关资料，也没有完整的代码，于是只能东拼西凑，修修改改，最后勉强凑出来一个可以一用的代码，放在这里保存一下。

读取函数

def open_data(bath_path,key_num):path = bath_path + str(key_num) + ".mat"str1 =  "X" + "%03d"%key_num + "_DE_time"data = scio.loadmat(path)data = data[str1]return data

数据处理函数

def deal_data(data,length,label):data = np.reshape(data,(-1))num = len(data)//lengthdata = data[0:num*length]data = np.reshape(data,(num,length))"""最大值绝对值标准化(MaxAbs)即根据最大值的绝对值进行标准化，假设原转换的数据为x，新数据为x'那么x'=x/|max|，其中max为x所在列的最大值。MaxAbs方法跟Max-Min用法类似，也是将数据落入一定区间，但该方法的数据区间为[-1,1]。MaxAbs也具有不破坏原有数据分布结构的特点，因此也可以用于稀疏数据、稀疏的CSR或CSC矩阵。"""maxabs_scaler = preprocessing.MaxAbsScaler()data = maxabs_scaler.fit_transform(np.transpose(data,[1,0]))data = np.transpose(data,[1,0])label = np.ones((num,1))*labelreturn np.column_stack((data,label))

数据集划分函数

def split_data(data,split_rate):length = len(data)num1 = int(length*split_rate[0])num2 = int(length*split_rate[1])index1 = random.sample(range(num1),num1)train = data[index1]data = np.delete(data,index1,axis=0)index2 = random.sample(range(num2),num2)eval = data[index2]test = np.delete(data,index2,axis=0)return train,eval,test

数据加载函数

def load_data(num = 90,length = 1280,hp = [0,1,2],fault_diameter = [0.007,0.028,0.021],split_rate = [0.7,0.2,0.1]):#num 为每类故障样本数量，length为样本长度，hp为负载大小，可取[0,1,2,3],fauit_diameter为故障程度，可取[0.007,0.014,0.021]#split_rate为训练集，验证集和测试集划分比例。取值从0-1。#bath_path1 为西储大学数据集中，正常数据的文件夹路径#bath_path2 为西储大学数据集中，12K采频数据的文件夹路径bath_path1 = r"F:\data\cwru\Normal Baseline Data\\"bath_path2 = r"F:\data\cwru\12k Drive End Bearing Fault Data\\"data_list = []label = 0# 正常数据# path1 = bath_path1 + str(97+i) + ".mat"# normal_data = scio.loadmat(path1)# str1 = "X0" + str(97+i) + "_DE_time"normal_data = open_data(bath_path1, 97)data = deal_data(normal_data, length, label=label)data_list.append(data)for i in hp:#故障数据for j in fault_diameter:if j == 0.007:inner_num = 105ball_num = 118outer_num = 130elif j == 0.014:inner_num = 169ball_num = 185outer_num = 197else:inner_num = 209ball_num = 222outer_num = 234inner_data = open_data(bath_path2,inner_num + i)inner_data = deal_data(inner_data,length,label + 1)data_list.append(inner_data)ball_data = open_data(bath_path2,ball_num + i)ball_data = deal_data(ball_data,length,label + 2)data_list.append(ball_data)outer_data = open_data(bath_path2,outer_num + i)outer_data = deal_data(outer_data,length,label + 3)data_list.append(outer_data)label = label + 3#保持每类数据数据量相同num_list = []for i in data_list:num_list.append(len(i))min_num = min(num_list)if num > min_num:print("每类数量超出上限，最大数量为：%d" %min_num)min_num = min(num,min_num)#划分训练集，验证集和测试集，并随机打乱顺序train = []eval = []test = []for data in data_list:data = data[0:min_num,:]a,b,c = split_data(data,split_rate)train.append(a)eval.append(b)test.append(c)train = np.reshape(train,(-1,length+1))train = train[random.sample(range(len(train)),len(train))]train_data = train[:,0:length]train_label = torch.zeros(len(train),10).scatter_(1,torch.LongTensor(train[:,length]).unsqueeze(1),1)eval = np.reshape(eval,(-1,length+1))eval = eval[random.sample(range(len(eval)),len(eval))]eval_data = eval[:,0:length]eval_label = torch.zeros(len(eval), 10).scatter_(1, torch.LongTensor(eval[:,length]).unsqueeze(1),1)test = np.reshape(test,(-1,length+1))test = test[random.sample(range(len(test)),len(test))]test_data = test[:,0:length]test_label = torch.zeros(len(test), 10).scatter_(1, torch.LongTensor(test[:,length]).unsqueeze(1),1)return train_data,train_label,eval_data,eval_label,test_data,test_label

参考文献

参考资料1
参考资料2
参考资料3

西储大学(CWRU)轴承数据集的数据读取与划分相关推荐

西储大学(CWRU)轴承数据集故障诊断(一)：数据读取，数据集划分
CWRU轴承数据集故障诊断博客编写背景数据集读取训练与测试完整数据读取代码博客编写背景本次博客是对深度学在机械设备的故障诊断(模式识别)领域的入门级的基础教程,主要是专门针对CWRU滚动轴 ...
CWRU（凯斯西储大学）轴承数据集简介
实验平台如下图所示: 实验平台组成: 一个2马力的电动机.(图左侧) 一个扭矩传感器/译码器(图中连接处) 一个功率测试仪(图右侧) 电子控制器待测轴承: 待检测的轴承支撑着电动机的转轴: 驱动端轴 ...
CWRU（凯斯西储大学）轴承数据
CWRU(凯斯西储大学) 轴承数据实验平台如下图所示: 实验平台组成: 一个2马力的电动机(图左侧): 一个扭矩传感器/ 译码器(图中间连接处): 一个功率测试计(图右侧): 电子控制器(图中没显示 ...
对凯斯西储大学的轴承故障信号进行小波变换特征提取
最近本菜鸟对凯斯西储大学的轴承信号做了时域参数和小波变换,希望能分辨出其轴承出现故障与否和故障类型-外圈故障,内圈故障,滚珠体故障.以下是用matlab2011b处理信号后的结果及遇到的问题.先贴代码 ...
小波变换之（凯斯西储大学CWRU数据转为时频图像）-matlab
凯西储大学(CWRU)数据集下载地址:CWUR完整版 1,挑选出所需数据,每种工况下的10类数据,也就是每个类别一个mat格式的文件 2,加载原始路径,预先定义好所需要的参数采样频率12Khz ad ...
凯斯西储（CWRU）数据集解读并将数据集划分为10分类（含代码）
凯斯西储大学轴承故障数据集官方网址:https://engineering.case.edu/bearingdatacenter/download-data-file 官方数据集整理版(不用挨个下了) ...
凯斯西储大学轴承故障数据集解读（新手版）
最近真是学到一头雾水,光理解凯斯西储大学的轴承数据集就花了好长时间,下载干巴巴的数据集,啥也看不懂,对着论文就更加迷茫(翻白眼儿). 下面就把我理解的整理一下: CWRU 提取码:dkjd 适合新手进 ...
【凯斯西储大学数据集介绍（CWRU）】
目录实验平台缩写含义总结实验平台实验平台组成: [1]一个2马力的电动机(图左侧): [2]一个扭矩传感器/ 译码器(图中间连接处): [3]一个功率测试计(图右侧): [4]电子控制器(图 ...
tensorflow自编码器+softmax对凯斯西储大学轴承数据进行故障分类
先放参考链接,感谢大神们带来的启发: 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 自编码器+softm ...

西储大学(CWRU)轴承数据集的数据读取与划分

简介

读取函数

数据处理函数

数据集划分函数

数据加载函数

参考文献

西储大学(CWRU)轴承数据集的数据读取与划分相关推荐

最新文章

热门文章