《故障诊断与python学习》学习资料记录

包络谱是什么

包络谱。（Envelope Spectrum ）：对信号进行hilbert变换之后，然后取极值，然后对取极值之后得到的一维数据取包络，对包络信号进行FFT变换得到的数据。
横坐标为频率，纵坐标为幅值。包络谱对冲击事件的故障比较敏感。包络谱图中各频率幅值的分布与的频谱图有所区别。
频谱图中故障特征频率幅值较小，包络谱图中故障特征频率的幅值很高，容易辨认。因此，相对对于频谱分析，包络谱分析剔除了不必要的频率干扰，更能够凸显故障特征频率。根据包络谱图能更容易地对滚动轴承的故障种类进行判断。
希尔伯特谱：Hilbert变换只是单纯地求信号的瞬时振幅，频率和相位，有可能出现没有意义的负频率；HHT变换先将信号进行EMD分解，得到的是各个不同尺度的分量，对每一个分量进行Hilbert变换后得到的是有实际意义的瞬时频率；傅里叶变换不能得到瞬时频率，即不能得到某个时刻的频率值。Hilbert变换是求取瞬时频率的方法，但如果只用Hilbert变换求出来的瞬时频率也不准确。
频谱与包络谱的频率分布没有多大关系：①包络谱峰值较高的地方表示原始信号在该频率处有对应的频率分量；频谱峰值高的地方表示在整个信号里和在整个时间范围内，有一个含有此频率的三角函数组分。②频谱是直接对原信号做fft；包络谱是对原信号做hilbert变换之 后的曲线取的包络线进行fft，得到的频域曲线理应不同。

包络谱程序例子

matlab链接: https://www.mathworks.com/help/signal/ref/envspectrum.html.
python链接:
https://stackoverflow.com/questions/61915838/envelope-spectrum

问题：Consider using the --user option or check the permissions.

解决办法中间加个—user
pip install --user --upgrade pip # 更新pip

问题：Check the logs for full command output.

解决：更新pip

功率谱 python安装包及教程

https://pyspectrum.readthedocs.io/en/latest/tutorial_front_image.html.

np.clip的使用方法

https://blog.csdn.net/weixin_44791964/article/details/100000373
np.clip是一个截取函数，用于截取数组中小于或者大于某值的部分，并使得被截取部分等于固定值。函数如下：

该函数的作用是将数组a中的所有数限定到范围a_min和a_max中。
部分参数解释：

a：输入矩阵；
a_min：被限定的最小值，所有比a_min小的数都会强制变为a_min；
a_max：被限定的最大值，所有比a_max大的数都会强制变为a_max；
out：可以指定输出矩阵的对象，shape与a相同

np.argmax() 取出a中元素最大值所对应的索引

如何将ndarray二维数组转为1维数组

矩阵相乘与矩阵点乘

错误提示：operands could not be broadcast together with shapes
矩阵相乘 a*b （a与b对应元素相乘，a的维数需与b的维数相同）
矩阵点乘 numpy.dot(a,b) (真正意义上的矩阵相乘，a的行数需与b的列数相同)

如何画竖直和水平的分割线或者点画线或者直线？

plt画完图后保存至指定路径

plt.savefig("E:\机器学习\日月光华_Pytorch实战_参考代码\第19-28课时参考代码和数据集\CWRU/1730_12k_0.007-Ball.jpg")
plt.savefig(‘存储路径+图片名字.jpg’)

怎样判断tuple，dict，list是否为空

## 方法1
a = ()
if len(a) ==0:
  print(‘this is an empty tuple’)
else:
  print(‘not an empty tuple’)
>>> this is an empty tuple
## 方法2
a = ()
if not a:
  print(‘this is an empty tuple’)
else:
  print(‘not an empty tuple’)
>>> this is an empty tuple

当 tuple dict list 为空时，返回None，也为False。

如何获取文件路径最后一级

卷积结构

池化层—>Relu---->pooling—>全连接层

savefig怎样去图片白边

去除图像周围的白边

plt.axis("off")
plt.gca().xaxis.set_major_locator(plt.NullLocator()) 
plt.gca().yaxis.set_major_locator(plt.NullLocator()) 
plt.subplots_adjust(top=1,bottom=0,left=0,right=1,hspace=0,wspace=0) 
plt.margins(0,0)
plt.savefig("E:\机器学习\日月光华_Pytorch实战_参考代码\第19-28课时参考代码和数据集\CWRU", bbox_inches="tight", pad_inches=0.0)

# 去除图像周围的白边 
plt.axis("off")
plt.gca().xaxis.set_major_locator(plt.NullLocator()) 
plt.gca().yaxis.set_major_locator(plt.NullLocator()) 
plt.subplots_adjust(top=1,bottom=0,left=0,right=1,hspace=0,wspace=0) 
plt.margins(0,0)
plt.savefig("E:\机器学习\日月光华_Pytorch实战_参考代码\第19-28课时参考代码和数据集\CWRU", bbox_inches="tight", pad_inches=0.0)

什么是Z-socre normalization

z-score使用原始数据的均值和标准差进行归一化，使得处理后的数据符合正态分布，即均值为0，标准差为1.

其z-score变换公式如下:

其中

什么是混淆矩阵confusion matric

又叫分类结果统计矩阵，可以直观看出分类模型结果的好坏。

假设有一个用来对猫（cats）、狗（dogs）、兔子（rabbits）进行分类的系统，混淆矩阵就是为了进一步分析性能而对该算法测试结果做出的总结。假设总共有 27 只动物：8只猫， 6条狗， 13只兔子。结果的混淆矩阵如下图：

在这个混淆矩阵中，实际有 8只猫，但是系统将其中3只预测成了狗；对于 6条狗，其中有 1条被预测成了兔子，2条被预测成了猫。从混淆矩阵中我们可以看出系统对于区分猫和狗存在一些问题，但是区分兔子和其他动物的效果还是不错的。所有正确的预测结果都在对角线上，所以从混淆矩阵中可以很方便直观的看出哪里有错误，因为他们呈现在对角线外面。

什么是EMD

EMD是根据极值（极大值、极小值）分别形成的包络线，得到其均值线，分解成一系列曲线（IMF）特征模式函数。这些模式函数相加后为原曲线。
公式 ：$$\mathrm{x}(t)=\sum _{i=1}^N{c}_i+r_n(t)$$

原始信号

C1

C2

如何安装sklearn库

在anoconda中执行conda install scikit-learn

如何获取字典的所有键

a = {'inner1':[[1,2,3,1,4],'IF','1'],
'inner2':[[2,5,1,2,3],'IF','1']}
a.	keys()
>>>dict_keys(['inner1', 'inner2'])
list(a.keys())
>>>['inner1', 'inner2']

如何对list做算术运算

List本身是不支持加减乘除运算的，需转换为array类型。
a = {'inner1':[[1,2,3,1,4],'IF','1'],
'inner2':[[2,5,1,2,3],'IF','1']}
np.array(a['inner1'][0])-np.array(a['inner2'][0])
>>>array([-1, -3,  2, -1,  1])

如何根据变量的字符串类型构建对象。

Locals()函数是python自带的库函数，其以字典类型存储了当前的局部变量及其对象。

根据变量名获取其变量值

已知变量名构建其变量值

如何根据变量对象找到变量名

def get_variable_name(variable):
    callers_local_vars = inspect.currentframe().f_back.f_locals.items()
    return [var_name for var_name, var_val in callers_local_vars if var_val is variable]
c = get_variable_name(43).pop()

如何保存mat文件

Import scipy.scio.savemat
Savemat(filename,dict)

CWRU故障数据集官网

https://csegroups.case.edu/bearingdatacenter/pages/download-data-file

MFPT故障数据集官网

[https://www.mfpt.org/fault-data-sets/](https://www.mfpt.org/fault-data-sets/]

Paderborn University故障数据集官网

https://mb.uni-paderborn.de/en/kat/main-research

如何创建空的array

先保存在list里，再把list转换为array

如何将多维list转为1维list（）

https://www.pythonf.cn/read/120964

Tensor与numpy互相转换

Python计算离散序列的自相关函数

Python计算离散序列的自相关函数_liulicuican的博客-CSDN博客_python自相关函数
离散时间序列的自相关函数其实就是若干阶自相关系数的组合，其中，自相关系数的计算公式如下：

其中 h 为阶数，μ为序列的均值，比如计算离散时间序列 ：
[2, 3, 4, 3, 7] 的自相关函数
首先计算 0 阶自相关系数为 1，然后计算 1 阶自相关系数，均值
μ = (2 + 3 + 4 + 3 + 7) / 5 = 3.8，则分母

1 阶自相关系数为

import statsmodels.tsa.api as smt
time_series = [2, 3, 4, 3, 7]
acf = smt.stattools.acf(time_series)
print(acf)

结果如下：

python matplotlib.pyplot 显示中文title等参数

链接: https://www.cnblogs.com/yifdu25/p/9399047.html.

pytorch中的cat、stack、tranpose、permute、unsqeeze讲解

链接: https://blog.csdn.net/tsinghuahui/article/details/73611128

torch和torchvision的区别

一个是torch,一个是torchvision,torch是主模块，用来搭建神经网络。torchvision是辅模块，有数据库，还有一些已经训练好的神经网络等着你直接用比如（VGG,AlexNet,ResNet）
链接: https://www.cnblogs.com/yifdu25/p/8975250.html

TensorFlow保存和加载模型

https://www.tensorflow.org/tutorials/keras/save_and_load?hl=zh-cn
model.save(model,'‘my_model’)
new_model = tf.keras.models.load_model(‘my_model’)

PyTorch之torchvision.transforms详解[原理+代码实现]

https://blog.csdn.net/qq_37555071/article/details/107532319?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_default&utm_relevant_index=2

python两个一维数组合并_Python数据分析——Numpy基础（上篇）

https://blog.csdn.net/weixin_39588679/article/details/111294399

Visio打开或取消箭头的自动吸附和自动连接设置

https://www.cnblogs.com/nnzhang/p/10495070.html

【李宏毅深度学习】元学习 meta learning

https://zhuanlan.zhihu.com/p/68555964?app=zhihulite

一文通俗讲解元学习（Meta-Learning）

https://blog.csdn.net/c9Yv2cf9I06K2A9E/article/details/121413057?utm_source=app&app_version=4.18.0&code=app_1562916241&uLinkId=usr1mkqgl919blen

【机器学习】LifeLong Learning（终身学习）介绍

https://blog.csdn.net/FrankieHello/article/details/105818457?utm_source=app&app_version=4.18.0&code=app_1562916241&uLinkId=usr1mkqgl919blen

为numpy数组增加一个维度的方法

https://blog.csdn.net/weixin_44839513/article/details/103869840

PyTorch之torchvision.transforms详解[原理+代码实现]

https://blog.csdn.net/qq_37555071/article/details/107532319?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_default&utm_relevant_index=2

pytorch:交换tensor的维度

https://blog.csdn.net/Caesar6666/article/details/109824498?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2_{aggregatepage}first_rank_ecpm_v1~rank_v31_ecpm-2-109824498.pc_agg_new_rank&utm_term=tensor%E7%BB%B4%E5%BA%A6%E4%BA%A4%E6%8D%A2+torch&spm=1000.2123.3001.4430

Pytorch-tensor维度的扩展，挤压，扩张

https://blog.csdn.net/qq_39435411/article/details/108935728

python 读取并显示图片的两种方法

https://www.cnblogs.com/yinxiangnan-charles/p/5928689.html

python：pandas中dataframe的基本用法汇总

https://www.cnblogs.com/timotong/p/9678490.html

python 画图–饼图

https://blog.csdn.net/jenyzhang/article/details/52047999

复数类型

https://blog.csdn.net/qq_33434901/article/details/78536950

Python同步遍历多个列表

https://blog.csdn.net/Gsdxiaohei/article/details/81701957

jupyter notebook中设置代码的自动补全功能

https://blog.csdn.net/qq_45154565/article/details/109113838

[ PyQt入门教程 ] PyQt5中数据表格控件QTableWidget使用方法

https://www.cnblogs.com/linyfeng/p/11832237.html

Visio 不规则封闭图形填充方法图解详细教程

https://www.office26.com/visio/visio_16569.html

Python_matplotlib改变横坐标和纵坐标上的刻度(ticks)

https://blog.csdn.net/Poul_henry/article/details/82590392

Python中的支持向量机SVM的使用（有实例）

https://www.cnblogs.com/luyaoblog/p/6775342.html

Python读取图像并显示灰度图

https://blog.csdn.net/qq_30967115/article/details/85053415

如何实现统计numpy列表中各元素的个数

https://blog.csdn.net/huangguohui_123/article/details/103592169

Python K-means实现简单彩色图片聚类的示例代码

https://www.jb51.net/article/225919.htm

Python编程：方差、标准差、均方差、均方根值、均方误差、均方根误差

https://blog.csdn.net/mouday/article/details/87936476

k-means 实现对 MINIST 数据集的聚类

https://yanguan02.gitee.io/yanguan/2021/12/04/MINIST%E6%95%B0%E6%8D%AE%E9%9B%86%E8%81%9A%E7%B1%BB/

matplotlib-legend 位置属性 loc 使用

https://blog.csdn.net/lanluyug/article/details/80002273

Python中scipy.signal.stft函数详解

https://blog.csdn.net/Fate_mt/article/details/104728797

xticks函数–Matplotlib

https://blog.csdn.net/chongbaikaishi/article/details/109105934

python绘图保存的图像坐标轴显示不全以及图片周围空白较大的问题

https://blog.csdn.net/sinat_41617280/article/details/104889713?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_default&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_default&utm_relevant_index=1

python中matplotlib的颜色及线条控制（linestyle、marker、color）

https://blog.csdn.net/jkx521/article/details/100714226?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_paycolumn_v3&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1.pc_relevant_paycolumn_v3&utm_relevant_index=2

matplotlib命令与格式：图例legend语法及设置

https://blog.csdn.net/helunqu2017/article/details/78641290

机械振动信号 常见时域、频域特征提取 Python 代码

https://blog.csdn.net/weixin_41888257/article/details/109023819

几种常见的聚类评价指标公式详细推导- 纯度（Purity）、兰德系数（Rand Index, RI）、F值（F-score）和调整兰德系数（Adjusted Rand Index,ARI）

https://zhuanlan.zhihu.com/p/343667804

Jupyter Notebook设置自动补全代码

https://blog.51cto.com/u_15242250/2870227

生成重复字符串的列表

https://blog.csdn.net/shuyueliang1/article/details/89855588

AUC是ROC曲线下方面积的直观理解

https://zhuanlan.zhihu.com/p/351677092

实战：用Python实现随机森林

https://segmentfault.com/a/1190000017320801

python实现随机森林

https://blog.csdn.net/colourful_sky/article/details/82082854

python字典的简单操作（修改、删除、嵌套、遍历、复制）

https://blog.51cto.com/u_14320361/2478891

解决报错：OSError: Failed to open file b‘D:\\xe5\xad\xa6\xe4\xb9\xa0\scipy-_7cm39vc’

https://blog.csdn.net/qq_45261963/article/details/118162715

PyTorch | 提取神经网络中间层特征进行可视化

https://www.jianshu.com/p/2fe73baa09b8

Python中如何将四维张量reshape成三维张量

https://www.1024sou.com/article/538336.html

Tensorflow中文教程

https://www.w3cschool.cn/tensorflow_python/tensorflow_python-rjsp2opw.html

频谱分析-FFT之后的那些事情

https://blog.csdn.net/czyt1988/article/details/84995295

无意间把工具栏拖出来恢复方法

https://www.mathtype.cn/jiqiao/huifu-fangfa.html

大佬github推荐follow

https://github.com/liguge?tab=stars

浅谈Pytorch中的Variable的使用方法

https://blog.csdn.net/weixin_42782150/article/details/106854349
Variable可以实现求导，而tensor不行

图像分类丨ILSVRC历届冠军网络「从AlexNet到SENet」–python代码实现

https://www.cnblogs.com/vincent1997/p/10901875.html

获取Pytorch中间某一层权重或者特征

https://blog.csdn.net/happyday_d/article/details/88974361

合并word文件，mathtype公式编号不连续问题解决

https://blog.csdn.net/r709651108/article/details/88344030

如何全选word中所有公式？

https://blog.csdn.net/panhaoxuan/article/details/123765096

[错误汇总]‘model’ object has no attribute 'copy’加载模型报错

https://zhuanlan.zhihu.com/p/144487165

如何在cmd中，使用cd进入指定文件目录

https://blog.csdn.net/weixin_44108468/article/details/102309471

如何给Python代码进行加密

https://www.jb51.net/article/178209.htm
公众号、B站：故障诊断与python学习