深度学习及其在机器健康监控中的应用 该模块包含在我们的调查文件中使用的代码: 。 它已被所接受。 请在那里找到最新版本。 目录 数据 该文件夹包含两个泡菜文件,分别是提取的特征和用于工具磨损感测实验的标签。 每个泡菜文件都包含x_train,y_train,x_test,y_test。 该任务被定义为回归问题。 data_normal:每个数据样本都是一个向量。 从整个时间序列中提取特征。 data_seq:每个数据样本都是张量。 从时间时间序列的窗口中提取特征。 特别是,data_seq可以被LSTM和CNN模型使用。 传统的ML模型可以使用data_normal。 代码 该文件夹包含用于特征提取,传统机器学习模型,深度学习模型和测试模块的代码。 特征提取 从输入时间序列中提取RMS,VAR,MAX,峰,偏度,Kurt,小波,光谱Kurt,光谱偏度,光谱粉末特征。 深度学习模型 基