基于深度学习的轴承故障识别-总结及常见问题

新年快乐。

把猪年的事结束在猪年，这篇写一下最后的总结展望，顺便归纳一下常被问到的问题。

---

总结

前面做的简单概括就是：选择神经网络模型→测试CNN和LSTM→选择CNN→优化。

我认为的几个主要的缺陷：

1.做的不深，没有新的东西。深度学习发展的非常快，应该有更好的做法。之前时间有限，也没有尝试CNN结合LSTM的做法效果如何。

2.数据集问题。CWRU的数据集没有时间信息，这是很大的缺陷。轴承的故障变化是根据时间逐渐变化的，比起判断好与坏，能根据一些征兆预测轴承状态更重要，所以需要含时间信息的轴承故障数据集。如果有设备自己采集不知道是不是会更好一些。

3.还有就是实际应用的问题，现在只是针对已经采集好的数据集数据进行训练测试，如果真的实际用深度学习来监测轴承状态，怎么采集怎么出结果的这么个实际应用。

---

常见问题

q1：求张伟代码链接

a1：我在环境那篇博客标了参考论文和参考代码的链接，但至于某某几章的代码为什么没有，或者某些地方为什么这样写这样的问题我不知道，建议去github询问本人。

 

q2：有没有给数据集添加标签的原理、方法等的教程链接

a2：讲这方面的教程我找到的也很少，可以去公众号搜搜这个主题，有三AI等等公众号有一些相关推文。

 

q3：初次接触轴承故障诊断/深度学习，不知道如何入手

a3：我自己也算比较新的新手，只能分享一下我自己的入手顺序。

轴承故障：基础轴承知识→杨国安 滚动轴承故障诊断实用技术/裴峻峰 机械故障诊断技术→相关论文

深度学习：中国大学mooc平台 北京大学 人工智能实践：Tensorflow笔记      有比较详细的讲解和demo，主要熟悉一下深度学习，了解一下深度学习能做什么，直观体验一下→张重生 深度学习    这本书没什么干货，但没有干货≈很好懂，对于完全没接触过深度学习的情况，看这个了解一下比较易懂→李玉鑑 深度学习导论及案例分析 介绍了各种神经网络及原理，写论文介绍原理的时候很实用→邱锡鹏 深度网络与深度学习 我特别喜欢这个，讲的非常清晰，而且全部开源，还一直保持更新→相关论文

我的建议是不管有没有经验，不要因为不会、不知道如何下手就踌躇，随便从哪一个方面看起来试起来，在过程里就能发现自己还缺什么，然后再学习补上就好。不会没什么大不了，学就是了。

 

q4：能不能留个联系方式交流一下

a4：博客评论或者私信app会提示，我都能看到，能回的我会回复。邮箱也可以，隔几天会去看一看。另外不建议在评论留微信号和qq邮箱，注意保护自己的信息安全。

 

q5：论文是否发表，在哪可以看到，能不能发一份

a5：因为是本科毕设，所以是不发表的。看我觉得没必要看了，有用的东西都整理在博客里了，剩下的都是硬的理论，去看看发表的论文或者著作比较好。而且本科毕设水平的论文，发给别人看我是觉得有点小丢人的，没什么新鲜的东西。

 

q6：xxx实验结果正常吗/xxx神经网络可行性高不高

a6：这个不如自己试一试，ai工程师之前一直被戏称“调参侠”就是因为很多东西都是试出来的

 

ps.最后一个小建议，以后如果给导师或者领导发邮件一定不要在发件人名字那里用奇奇怪怪的名字或者非主流火星文，看上去真的特别奇怪2333333，以前真是听别人一直这么说，这回自己看到确实如此。

---

点击此处返回总目录：基于深度学习的轴承故障识别