近期新写的PHM2012&XJTU轴承寿命预测完整代码
原始特征集(①原始振动信号序列数据②FFT预处理序列数据③STFT预处理序列数据④HHT边际谱序列数据)
这里以PHM2012轴承特征数据集为例，采样频率为25.6kHz，采样持续时间是0.1s，采样点数是2560
| 原始特征集 | 类型 |
|---|---|
| 振动数据 | 2560维度 |
| FFT预处理数据 | 1280维度 |
| STFT预处理数据 | 1281维度 |
后续还可以将上述的原始特征集数据作为深度自编网络的输入，进行无监督学习，提取深度特征数据
| 自编码模型 | 深度特征维度可以任意设置（均为TensorFlow2.3版本） |
|---|---|
| AE(普通自编码) | AE的基础网络可以是MLP、LSTM、CNN、TCN |
| DAE(降噪自编码) | DAE的基础网络可以是MLP、LSTM、CNN、TCN |
| SAE(堆栈自编码) | SAE的基础网络可以是MLP、LSTM、CNN、TCN |
| SDAE(堆栈降噪自编码) | SDAE的基础网络可以是MLP、LSTM、CNN、TCN |
模型(①TCN模型②TCN和多头注意力(TCN和Transformer的encoder结合)③Transformer模型)
两个版本的模型都有：
| 模型 | 框架 |
|---|---|
| TCN模型 | PyTorch1.9、TensorFlow2.3 |
| TCN和多头注意力 | PyTorch1.9、TensorFlow2.3 |
| Transformer | PyTorch1.9、TensorFlow2.3 |