MSCNN_LSTM_Attention模型下江南大学数据集轴承故障诊断（Python，TensorFlow框架下，很容易改为其它模型，解压缩后可以直接运行，无需修改数据目录，代码有详细注释）

本篇用的MSCNN_LSTM_Attention模型与MSCNN_LSTM_Attention模型下轴承故障诊断（Python，TensorFlow框架下，很容易改为其它模型，解压缩后可以直接运行，无需修改数据目录，代码有详细注释）_深度学习的奋斗者的博客-CSDN博客

这篇文章的MSCNN_LSTM_Attention模型一模一样，网络参数也一致。只是轴承数据集不同。

 1.江南大学轴承数据集介绍

采样频率：50khz，采样时间：10s

转速：600 800 1000/rpm

内圈故障：ib

外圈故障：ob

滚动体故障：tb

正常：N

 以600转速下的内圈故障数据为例展示：

开始数据

截止数据 

 

 

3.文件夹

 4.效果

600rpm数据集下，总样本数：8000个样本，训练集与测试集比例：7:3

 

 

 

 

 800rpm数据集下，总样本数：8000个样本，训练集与测试集比例：7:3

 

 

 

 

 

 

1000rpm数据集下，总样本数：8000个样本，训练集与测试集比例：7:3 

 

 

 

 

 

代码运行环境要求

tensorlfow>=2.4.0

python>=3.6.0,

其他库版本无要求

 对代码和数据感兴趣的可以关注

import numpy as np 
import pandas as pd
#from sklearn.model_selection import train_test_split
from collections import Counter
import pywt
import matplotlib.pyplot as plt
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif']=['simhei'] # 添加中文字体为黑体
plt.rcParams['axes.unicode_minus'] =False
#压缩包https://mbd.pub/o/bread/mbd-ZJyalZ5s