Xiaohan-Chen/bear_fault_diagnosis
Bearing fault diagnosis model based on MCNN-LSTM
解決的問題
本專案提供了一種診斷軸承故障的方法，特別針對使用振動資料識別旋轉機械異常。
工作原理
該系統採用混合深度學習架構，結合多尺度卷積神經網絡（CNN）和長短期記憶（LSTM）網絡。該方法使模型能夠從軸承的振動訊號中提取空間與時間特徵。
適用對象
本工具專為需要使用 CWRU 軸承資料中心資料集自動化故障診斷流程的工業維護與機械工程領域的工程師與研究人員設計。
主要亮點
- 一篇同儕審查論文的官方基準實現。
- 從 Keras/TensorFlow 迁移到 PyTorch，以實現現代相容性。
- 使用 CWRU 軸承資料中心資料集進行訓練與驗證。
相關
- 專案
- 專案
- 專案
- 專案
- 專案