【AI】机器学习在工业故障诊断数据上的使用

摘要

故障诊断分类技术在工业上已经被广泛的使用，在工业设备维护起到了关键性作用，但是自动故障诊断分类技术目前还存在不足，要求精确地对设备机械进行自动诊断，准确地分析出设备故障产生的原因，从而确定故障发生的部位。针对工业上旋转机械设备的特殊性和复杂性，引入了深度学习算法来提高设备故障分类的准确率。首先对旋转机械设备建立数据集，通过深度学习算法对数据进行特征提取，由多个网络层迭代学习设备故障特征，最终优化深度学习算法模型输出不同设备故障类型，提高系统分类的准确率。本文还对故障诊断分类等技术进行总结与分析，然后重点分析了深度学习故障诊断技术在工业上机械旋转类的应用；最后提出了现有深度学习故障诊断分类技术研发方法的不足，希望深度学习领域在故障诊断技术有很好的发展。
本篇针对实际数据分别采用传统的机器学习与深度学习进行分类。设计的算法包括LDA,PCA,MLP,LSTM,CNN.希望能对大家带来帮助。

导入需要的包

import os
import numpy as np
import torch
from sklearn.decomposition import PCA
from sklearn