轴承故障诊断经典模型pytorch复现(一)—

论文地址：《A New Deep Learning Model for Fault Diagnosis with Good Anti-Noise and Domain Adaptation Ability on Raw Vibration Signals》—张伟
我们要复现的论文是轴承故障诊断里比较经典的一个模型WDCNN，最近在看的很多论文都把WDCNN作为比较模型，但是只找到过tensorflow版本的源码且只有原始的WDCNN没有改进的WDCNN-AdaBN版本，而我自己又是用的pytorch，因此就打算自己复现一下。话不多说直接上代码。
WDCNN：

#!/usr/bin/python
# -*- coding:utf-8 -*-
import torch
from torch import nn
import warnings# ----------------------------inputsize >=28-------------------------------------------------------------------------
class WDCNN(nn.Module):def __init__(self, in_channel=1, out_channel=10):super(WDCNN, self).__init__()self.layer1 = nn.Sequential(nn.Conv1d(in_channel, 16, kernel_size=64,stride=16,padding=24),  nn.BatchNorm1d(16),nn.ReLU(inplace=True),nn.MaxPool1d(kernel_size=2,stride=2))self.layer2 = nn.Sequential(nn.Conv1d(16, 32, kernel_size=3,padding=1), nn.BatchNorm1d(32),nn.ReLU(inplace=True),nn.MaxPool1d(kernel_size=2, stride=2))  self.layer3 = nn.Sequential(nn.Conv1d(32, 64, kernel_size=3,padding=1),  nn.BatchNorm1d(64),nn.ReLU(inplace=True),nn.MaxPool1d(kernel_size=2, stride=2))  # 32, 12,12     (24-2) /2 +1self.layer4 = nn.Sequential(nn.Conv1d(64, 64, kernel_size=3,padding=1),  nn.BatchNorm1d(64),nn.ReLU(inplace=True),nn.MaxPool1d(kernel_size=2, stride=2))  # 32, 12,12     (24-2) /2 +1self.layer5 = nn.Sequential(nn.Conv1d(64, 64, kernel_size=3),  nn.BatchNorm1d(64),nn.ReLU(inplace=True),nn.MaxPool1d(kernel_size=2, stride=2)# nn.AdaptiveMaxPool1d(4))  # 32, 12,12     (24-2) /2 +1self.fc=nn.Sequential(nn.Linear(192, 100),nn.ReLU(inplace=True),nn.Linear(100, out_channel))def forward(self, x):# print(x.shape)x = self.layer1(x) #[16 64]# print(x.shape)x = self.layer2(x)  #[32 124]# print(x.shape)x = self.layer3(x)#[64 61]# print(x.shape)x = self.layer4(x)#[64 29]# print(x.shape)x = self.layer5(x)#[64 13]# print(x.shape)x = x.view(x.size(0), -1)x = self.fc(x)return x

WDCNN在CWRU数据集上的表现,效果相当的好嘛。

轴承故障诊断经典模型pytorch复现(一)——WDCNN相关推荐

经典模型WDCNN中的AdaBN复现
最近自己的故障分类论文完成的差不多了,决定抽点时间复现一下引用比较多的WDCNN.之前都是直接用别人的实验数据,没有仔细阅读过相关论文,更没有考虑过复现的问题.仔细阅读这篇论文后,查阅了网上的资料才发 ...
PyTorch Hub发布获Yann LeCun强推！一行代码调用经典模型
作者 | Team PyTorch 译者 | Monanfei 责编 | 夕颜出品 | AI科技大本营(ID: rgznai100) 导读:6月11日,Facebook PyTorch 团队推出了全 ...
Facebook 发布 PyTorch Hub：一行代码实现经典模型调用！
作者 | Team PyTorch 译者 | Monanfei 责编 | 夕颜出品 | AI科技大本营(ID: rgznai100) 6月11日,Facebook PyTorch 团队推出了全新 A ...
复现计算机论文模型,COLING 2018 最佳论文解读：序列标注经典模型复现
原标题:COLING 2018 最佳论文解读:序列标注经典模型复现在碎片化阅读充斥眼球的时代,越来越少的人会去关注每篇论文背后的探索和思考. 在这个栏目里,你会快速 get 每篇精选论文的亮点和痛点 ...
NLP经典模型复现之开宗明义
文章目录 1. 为什么要写这个专栏 2. 专栏的主要内容 3. 阅读论文的正确姿势 1. 为什么要写这个专栏大家好,我是herosunly,从985院校硕士毕业,现担任算法研究员一职.CSDN博 ...
Pytorch实战：基于鲸鱼WOA优化1DCNN的轴承故障诊断
目录 0.引言 1.关键点 2.WOA优化1DCNN超参数实战 2.1 数据准备 2.2 1DCNN故障诊断建模 2.3 采用WOA优化1DCNN超参数 0.引言采用1DCNN进行轴承故障诊断建模, ...
基于EEMD方法的降噪与解调在轴承故障诊断中的应用实证研究
基于EEMD方法的降噪与解调在轴承故障诊断中的应用实证研究摘要 1 引言 2 EEMD简介 2.1 EMD简介 2.2 EEMD简介 3 基于阈值处理的EEMD降噪方法 3.1 相关系数 3.2 基 ...
我用 PyTorch 复现了 LeNet-5 神经网络（自定义数据集篇）！
大家好,我是红色石头! 在上三篇文章: 这可能是神经网络 LeNet-5 最详细的解释了! 我用 PyTorch 复现了 LeNet-5 神经网络(MNIST 手写数据集篇)! 我用 PyTorch ...
我用 PyTorch 复现了 LeNet-5 神经网络（CIFAR10 数据集篇）！
大家好,我是红色石头! 在上两篇文章: 这可能是神经网络 LeNet-5 最详细的解释了! 我用 PyTorch 复现了 LeNet-5 神经网络(MNIST 手写数据集篇)! 详细介绍了卷积神经网络 ...

轴承故障诊断经典模型pytorch复现(一)——WDCNN

轴承故障诊断经典模型pytorch复现(一)——WDCNN相关推荐

最新文章

热门文章