Keras_bearing_fault_diagnosis 基于CNN的轴承故障识别 1.简介 本科毕设，基于凯斯西储大学公开轴承数据集建立的CNN轴承故障识别模型。 记录相关过程的博客： 数据集： 2.环境 Windows+anaconda 3.框架 Keras 4.依赖 tensorflow;keras;numpy;scipy;os;sklearn;matplotlib 5.说明 cnn_1D.py 构建基础的CNN模型 lstm_diagnosis.py 构建基础的LSTM模型 cnn_diagnosis 论文代码 cnn_valid.py 测试不同全连接层数、卷积层数选择最优模型 preprocess.py 数据预处理（预处理代码来自 ） images文件夹 保存模型流程图； data文件夹 保存数据集； logs文件夹 保存日志

辛辛那提数据的说明文件，包含所用数据采集的传感器的布设以及对应图片，以及数据所对应的的轴承测试周期、数据长度、最后形成的故障类型

螺旋槽轴承理论化开山鼻祖E. A. MUIJDERMAN的经典之作，收录于ASME的Journal of Lubrication Technology，国内数据库较少购买的好文献。

bearing-envelope-analysis.zip

西储大学（CWRU）轴承中心的轴承实验室数据，包含起官网提供的所有数据，包括正常数据，12k采集的驱动端数据，48k采集的驱动端数据，12k采集的风扇段数据，模拟了0.007，0.014，0.021，0.028等不同的单点故障，分别在0-4马力下进行试验得到的数据。

机械故障预防技术学会（Society For Machinery Failure Prevention Technology， MFPT）的轴承故障数据集， 该数据集包括来自轴承试验台的数据(健康轴承数据、外圈故障数据、各种载荷下的外圈故障、各种载荷下的内圈故障)和三个实际故障，可用于机械故障诊断的研究。网上很多的很多官方下载链接都失效了，上传供各位研究僧大佬下载研究。