凯斯西储大学轴承数据具体处理过程(用作CNN输入)
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)
凯斯西储大学轴承数据具体处理过程(用作CNN输入)相关推荐
- CWRU(凯斯西储大学轴承数据中心)数据集获取
CWRU(凯斯西储大学轴承数据中心)数据集获取网址 https://engineering.case.edu/bearingdatacenter/apparatus-and-procedures 数据 ...
- 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 ...
- tensorflow 堆叠自编码器SDAE对凯斯西储大学轴承数据进行故障分类
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 ...
- 凯斯西储大学轴承数据的疑问
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 ...
- 凯斯西储大学轴承数据介绍及处理
轴承故障诊断一般使用美国凯斯西储大学的数据集进行标准化检测算法的优劣.以下几种实验数据提取和使用方法为我在论文中所看到的.进行以下陈述 一.基于 RA-LSTM 的轴承故障诊断方法 实验数据采用美国凯 ...
- 凯斯西储大学轴承数据故障分类(使用卷积神经网络)
一.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 ...
- Tensorflow2.0:CNN 解决凯斯西储大学轴承数据集的分类问题
文章目录 项目介绍 代码实现 1.导入需要的库 2.参数设置 3.归一化 4.定义滑窗函数 5.取样本 6.划分训练集和测试集 7.得到 Dataset 类型数据集 8.建立模型 9.初始化优化器 1 ...
- 凯斯西储大学轴承故障诊断数据集详解
目录 前言 一.凯斯西储大学数据集的来源与历史 二.凯斯西储大学数据集的结构与特点 三.凯斯西储大学数据集的实验环境 四.凯斯西储大学数据集在轴承故障诊断研究中的应用 五.凯斯西储大学数据集的局限性 ...
- 美国西储大学轴承数据
如图所示,实验平台包括一个2马力的电机(左侧)(1hp=746W),一个转矩传感器(中间),一个功率计(右侧)和电子控制设备(没有显示).被测试轴承支承电机轴.使用电火花加工技术在轴承上布置了单点故障 ...
最新文章
- 一文读懂机器学习中的模型偏差
- 关于简聊 Webpack 配置的一些注释
- Hadoop大数据——mapreduce的secondary排序机制
- JS双向数据绑定的原理介绍
- Linux分区空间不足了怎么办??
- jQuery.treetable使用及异步加载
- For the completeness of the story
- pyspider抓取数字货币价格bitcoin
- 李宏毅机器学习HW2-winner or loser-利用逻辑回归进行收入分类
- 汽车诊断协议,(K线/CAN总线、kwp2000、ISO14230、ISO1575...)转载
- 身份证读取设备开发解决方案:3、单片机读取身份证信息的demo
- 编译DXperience 7.1源码和升级原有的应用程序
- 物联网平台发展的4个阶段和5个实践案例
- 【视频剪辑】Pr剪切素材时常用快捷键及素材快进快退
- Spectral–spatial hyperspectral image classification
- 网络交换机 - Swtich 简介
- 快手涨收近95港币,年初至今已涨超30%
- Android DLNA投屏-基本原理
- 一文读懂设计模式--适配器模式
- HMS Core 机器学习服务6.4.0版本更新啦,文本翻译功能增加10种小语种语言类型