轴承故障检测(分类任务)+傅里叶变化+CNN+matlab

1 介绍

使用西储大学的轴承数据集,其实用哪个都行,可能最后的精度会不一样,先读取数据,然后使用傅里叶转换为图像,然后搭建cnn模型,将图像大小转换为模型使用的大小,例如resnet50,输入大小就是224*224。同样提供python版本。

2 数据处理

总共10个类别

对每个数据进行采样,设置2000个样本,每个样本取连续的300个点

matlab 复制代码
% 采样,每个数据采集N条样本,每条样本M长度
M = 2000;
N = 300;
image_index = 1;
sample_all_data = zeros(3, N, M);
for i = 1:10
    sample_class_data = zeros(N, M);
    data = all_data{i};
    % 数据采样
    random_sequence = randperm(length(data) - M);
    selected_numbers = random_sequence(1:N);

    % 对于每个采样的数据,使用fft变换
    for j = 1:N
        start_index = selected_numbers(j);
        sample_data = data(start_index: start_index+M-1);
        sample_class_data(j,:) = sample_data;
        file_path = "images\" +num2str(i) +"\"+ num2str(image_index)+".jpg";
        % 进行fft变换
        process_data(sample_data, file_path)
        image_index = image_index + 1;
    end
    sample_all_data(i,:,:) = sample_class_data;
end

3 fft变换

使用matlab中的变换,转换为频谱图,然后保存,结果如下所示

matlab 复制代码
[S, f, t] = spectrogram(sample_data);

4 cnn模型

搭建一个普通的模型就行,因为这个数据集识别准确率特别高,最后都能到100%

matlab 复制代码
% 设置图像文件夹路径
data_folder = 'images';

% 创建图像数据存储器
imds = imageDatastore(data_folder, ...
    'IncludeSubfolders', true, 'LabelSource', 'foldernames');
[train_imds, test_imds] = splitEachLabel(imds, 0.7, 'randomized');


% 构建 CNN 模型
layers = [
    imageInputLayer([224 224 3])
    convolution2dLayer(3, 16, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2, 'Stride', 2)
    convolution2dLayer(3, 32, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2, 'Stride', 2)
    convolution2dLayer(3, 64, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer
];
详情加Q 596520206 同样提供python版本
相关推荐
Y200309167 小时前
基于 CIFAR10 数据集的卷积神经网络(CNN)模型训练与集成学习
人工智能·cnn·集成学习
信息快讯10 小时前
“COMSOL+MATLAB光子学仿真:从入门到精通,掌握多物理场建模
开发语言·matlab·comsol·光学工程
北山太湖11 小时前
Matlab安装硬件支持包
开发语言·matlab
Giser探索家17 小时前
遥感卫星升轨 / 降轨技术解析:对图像光照、对比度的影响及工程化应用
大数据·人工智能·算法·安全·计算机视觉·分类
B站计算机毕业设计之家18 小时前
深度学习实战:python动物识别分类检测系统 计算机视觉 Django框架 CNN算法 深度学习 卷积神经网络 TensorFlow 毕业设计(建议收藏)✅
python·深度学习·算法·计算机视觉·分类·毕业设计·动物识别
好奇龙猫19 小时前
【学习AI-相关路程-mnist手写数字分类-一段学习的结束:自我学习AI-复盘-代码-了解原理-综述(5) 】
人工智能·学习·分类
A-大程序员19 小时前
【Pytorch】分类问题交叉熵
人工智能·pytorch·分类
wu_jing_sheng019 小时前
ai 作物分类
人工智能·分类·数据挖掘
飞翔的佩奇19 小时前
【完整源码+数据集+部署教程】烟叶植株计数与分类系统源码和数据集:改进yolo11-TADDH
python·yolo·计算机视觉·目标跟踪·分类·数据集·yolo11
董建光d19 小时前
PyTorch 实现多种 CNN 模型并采用集成方法提升 CIFAR-10 分类性能
人工智能·pytorch·cnn