Xiaohan-Chen/bear_fault_diagnosis
Bearing fault diagnosis model based on MCNN-LSTM
解决的问题
本项目提供了一种诊断轴承故障的方法，特别针对使用振动数据识别旋转机械异常。
工作原理
该系统采用混合深度学习架构，结合多尺度卷积神经网络（CNN）和长短期记忆（LSTM）网络。该方法使模型能够从轴承的振动信号中提取空间和时间特征。
适用人群
本工具专为需要使用 CWRU 轴承数据中心数据集自动化故障诊断流程的工业维护和机械工程领域的工程师与研究人员设计。
主要亮点
- 一篇同行评审论文的官方基准实现。
- 从 Keras/TensorFlow 迁移到 PyTorch，以实现现代兼容性。
- 使用 CWRU 轴承数据中心数据集进行训练和验证。
相关
- 项目
- 项目
- 项目
- 项目
- 项目