基于k-NN + GCN的轴承故障诊断模型

目录

往期精彩内容:

创新点:

前言

[1 轴承故障数据的预处理](#1 轴承故障数据的预处理)

[1.1 导入数据](#1.1 导入数据)

[1.2 数据预处理,制作数据集](#1.2 数据预处理,制作数据集)

[2 基于Pytorch的GCN轴承故障诊断](#2 基于Pytorch的GCN轴承故障诊断)

[2.1 定义GCN分类网络模型](#2.1 定义GCN分类网络模型)

[2.2 设置参数,训练模型](#2.2 设置参数,训练模型)

[2.3 模型评估](#2.3 模型评估)

代码、数据如下:


往期精彩内容:

Python-凯斯西储大学(CWRU)轴承数据解读与分类处理

Python轴承故障诊断入门教学-CSDN博客

Python轴承故障诊断 (13)基于故障信号特征提取的超强机器学习识别模型-CSDN博客

Python轴承故障诊断 (14)高创新故障识别模型-CSDN博客

Python轴承故障诊断 (15)基于CNN-Transformer的一维故障信号识别模型-CSDN博客

轴承故障全家桶更新 | 基于时频图像的分类算法-CSDN博客

Python轴承故障诊断 (16)高创新故障识别模型(二)-CSDN博客

Python轴承故障诊断 (17)基于TCN-CNN并行的一维故障信号识别模型_pytorch使用tcn网络进行故障诊断 csdn-CSDN博客

独家原创 | SCI 1区 高创新轴承故障诊断模型!-CSDN博客

Python轴承故障诊断 (18)基于CNN-TCN-Attention的创新诊断模型-CSDN博客

Python轴承故障诊断 (20)高创新故障识别模型(三)-CSDN博客

注意力魔改 | 超强轴承故障诊断模型!-CSDN博客

Python轴承故障诊断 (21)基于VMD-CNN-BiTCN的创新诊断模型-CSDN博客

在应用图卷积网络(Graph Convolutional Networks, GCN)到信号模式识别领域中,最关键的是如何构建数据的图结构;我们创造性的提出一种基于K-NN的轴承故障信号预处理的方法,来构建故障信号序列的图结构,并用GCN网络模型进行诊断识别,取得了一定精度的分类效果。(该方法还未发表论文,创新度高,可以拿来直接进行拓展应用)

● 数据集:CWRU西储大学轴承数据集

● 环境框架:python 3.9 pytorch 1.8 及其以上版本均可运行

● 准确率:测试集94%

● 使用对象:论文需求、毕业设计需求者

● 代码保证:代码注释详细、即拿即可跑通。

创新点:

创新一:利用K-NN创建故障信号图结构

1. 轴承信号是一维序列,我们可以通过构建图结构来捕捉序列之间的相对位置关系。使用k近邻方法来建立节点之间的边连接关系。对于每个节点,找到其最近的k个邻居节点,并将它们与该节点连接起来。这样可以形成轴承信号的图结构,其中每个节点对应一个数据点,边表示节点之间的连接关系

创新二:利用GCN网络进行故障诊断

  1. 处理图结构数据:经过预处理的轴承信号可以被视为一个复杂的图结构,其中节点代表不同的序列位置,边代表它们之间的关联。GCN网络是专门设计用于处理图结构数据的深度学习模型,能够充分利用节点和边的拓扑结构信息,有助于挖掘故障信号中的复杂关联和模式。
  1. 捕捉局部和全局信息:GCN网络通过多层图卷积层的堆叠,可以逐步聚合节点的局部邻居信息,并最终得到包含全局信息的节点表示。在轴承故障领域,这种能力使得GCN网络能够同时捕捉局部振动特征和整体系统状态,从而提高故障诊断和预测的准确性。
  1. 自动学习特征表示:GCN网络可以自动学习节点的特征表示,无需手动设计特征工程。在轴承故障领域,这意味着GCN网络可以从原始振动数据中提取关键特征,识别故障模式。

前言

本文基于凯斯西储大学(CWRU)轴承数据,先经过数据预处理进行数据集的制作和加载,最后通过Pytorch实现K-NN+GCN模型对故障数据的分类。凯斯西储大学轴承数据的详细介绍可以参考下文:

Python-凯斯西储大学(CWRU)轴承数据解读与分类处理_cwru数据集-CSDN博客

1 轴承故障数据的预处理

1.1 导入数据

参考之前的文章,进行故障10分类的预处理,凯斯西储大学轴承数据10分类数据集:

train_set、val_set、test_set 均为按照7:2:1划分训练集、验证集、测试集,最后保存数据

上图是数据的读取形式以及预处理思路

1.2 数据预处理,制作数据集

2 基于Pytorch的GCN轴承故障诊断

2.1 定义GCN分类网络模型

2.2 设置参数,训练模型

50个epoch,准确率94%,用GCN网络分类效果显著,模型能够充分提取轴承故障信号的全局空间和局部特征,收敛速度快,性能优越,精度高,效果明显!

2.3 模型评估

准确率、精确率、召回率、F1 Score

故障十分类混淆矩阵:

代码、数据如下:

对数据集和代码感兴趣的,可以关注最后一行

python 复制代码
# 加载数据
import torch
from joblib import dump, load
import torch.utils.data as Data
import numpy as np
import pandas as pd
import torch
import torch.nn as nn
# 参数与配置
torch.manual_seed(100)  # 设置随机种子,以使实验结果具有可重复性
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
#代码和数据集:https://mbd.pub/o/bread/ZpaTm5lx
相关推荐
charley.layabox3 小时前
8月1日ChinaJoy酒会 | 游戏出海高端私享局 | 平台 × 发行 × 投资 × 研发精英畅饮畅聊
人工智能·游戏
DFRobot智位机器人4 小时前
AIOT开发选型:行空板 K10 与 M10 适用场景与选型深度解析
人工智能
想成为风筝6 小时前
从零开始学习深度学习—水果分类之PyQt5App
人工智能·深度学习·计算机视觉·pyqt
F_D_Z6 小时前
MMaDA:多模态大型扩散语言模型
人工智能·语言模型·自然语言处理
江沉晚呤时6 小时前
在 C# 中调用 Python 脚本:实现跨语言功能集成
python·microsoft·c#·.net·.netcore·.net core
大知闲闲哟6 小时前
深度学习G2周:人脸图像生成(DCGAN)
人工智能·深度学习
飞哥数智坊7 小时前
Coze实战第15讲:钱都去哪儿了?Coze+飞书搭建自动记账系统
人工智能·coze
wenzhangli77 小时前
低代码引擎核心技术:OneCode常用动作事件速查手册及注解驱动开发详解
人工智能·低代码·云原生
电脑能手7 小时前
如何远程访问在WSL运行的Jupyter Notebook
ide·python·jupyter
Edward-tan7 小时前
CCPD 车牌数据集提取标注,并转为标准 YOLO 格式
python